基于心电信号的身份识别方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第10-12页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 ECG信号简介 | 第14-18页 |
| 1.2.1 ECG信号产生机理 | 第14-15页 |
| 1.2.2 心电图 | 第15-17页 |
| 1.2.3 ECG信号的采集 | 第17-18页 |
| 1.3 ECG信号身份识别可行性分析和应用 | 第18-21页 |
| 1.3.1 心电信号身份识别可行性分析 | 第18-19页 |
| 1.3.2 基于ECG身份识别的应用 | 第19-21页 |
| 1.4 论文章节安排 | 第21-22页 |
| 2 基于ECG身份识别研究基础 | 第22-30页 |
| 2.1 国内外研究现状 | 第22-25页 |
| 2.1.1 基于ECG基准点特征提取方法 | 第22-24页 |
| 2.1.2 基于ECG非基准点特征提取方法 | 第24-25页 |
| 2.2 实验数据 | 第25-26页 |
| 2.3 性能衡量指标 | 第26-27页 |
| 2.4 研究方法 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 ECG信号预处理 | 第30-38页 |
| 3.1 ECG信号的噪声 | 第30-32页 |
| 3.2 ECG信号去噪 | 第32-35页 |
| 3.2.1 特沃斯滤波器 | 第32-34页 |
| 3.2.2 特沃斯滤波器去噪 | 第34-35页 |
| 3.3 ECG信号的标准化 | 第35-37页 |
| 3.4 ECG信号序列分割 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于自相关的ECG信号身份识别方法 | 第38-55页 |
| 4.1 波形特征提取 | 第38-42页 |
| 4.1.1 自相关算法 | 第39页 |
| 4.1.2 自相关处理 | 第39-41页 |
| 4.1.3 AC序列降维 | 第41-42页 |
| 4.2 相似性度量方法 | 第42-46页 |
| 4.2.1 欧式距离 | 第42-43页 |
| 4.2.2 曼哈顿距离 | 第43页 |
| 4.2.3 余弦距离 | 第43-44页 |
| 4.2.4 似然函数 | 第44-46页 |
| 4.3 特征向量区分性能的比较与评估 | 第46-48页 |
| 4.4 分类算法介绍 | 第48-51页 |
| 4.4.1 LDA分类算法 | 第48-50页 |
| 4.4.2 KNN分类算法 | 第50-51页 |
| 4.5 分类结果 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 基于ESN的ECG信号身份识别方法 | 第55-62页 |
| 5.1 ESN神经网络基本原理 | 第55-56页 |
| 5.2 基于复杂网络的ESN分类方法 | 第56-59页 |
| 5.2.1 随机网络 | 第57页 |
| 5.2.2 小世界网络 | 第57-58页 |
| 5.2.3 无尺度网络 | 第58-59页 |
| 5.3 储备池训练 | 第59-60页 |
| 5.4 实验结果 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 展望与总结 | 第62-64页 |
| 6.1 工作总结 | 第62页 |
| 6.2 今后工作的方向 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
