| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.2 主要解决的关键性问题 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 穿戴式智能服装发展 | 第11-12页 |
| 1.3.2 海量数据处理计算平台构建 | 第12-13页 |
| 1.4 研究目标 | 第13-14页 |
| 1.5 论文的研究内容及结构安排 | 第14-16页 |
| 2 相关技术介绍 | 第16-24页 |
| 2.1 心电图处理与分析 | 第16-19页 |
| 2.1.1 心电图获取 | 第16-17页 |
| 2.1.2 心电图各个波段划分及意义 | 第17-18页 |
| 2.1.3 R-R间期 | 第18-19页 |
| 2.2 心率变异性分析 | 第19-20页 |
| 2.3 GPU并行化执行策略 | 第20-23页 |
| 2.3.1 GPU框架及CUDA介绍 | 第20-22页 |
| 2.3.2 GPU程序的执行流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 智能服装心电数据获取方法 | 第24-32页 |
| 3.1 智能服装设计 | 第24-26页 |
| 3.2 三导ECG信号的采集 | 第26-29页 |
| 3.2.1 心电采集原理 | 第26-27页 |
| 3.2.2 检测部分整体流程图 | 第27-29页 |
| 3.3 蓝牙传输数据封包格式 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 面向ECG实时分析的EMD | 第32-47页 |
| 4.1 QRS捕获算法及其应用 | 第32-36页 |
| 4.1.1 资料格式说明 | 第32-33页 |
| 4.1.2 三种算法的对比分析 | 第33-36页 |
| 4.2 一种改进的EMD方法 | 第36-44页 |
| 4.2.1 实验数据获取及Sqrs及Wqrs_d的局限性 | 第36-38页 |
| 4.2.2 EMD及Fast-EMD原理 | 第38-41页 |
| 4.2.3 运动状态下EMD与Fast-EMD的对比分析 | 第41-44页 |
| 4.3 心电实时分析系统 | 第44-46页 |
| 4.3.1 心电实时分析系统执行流程 | 第44页 |
| 4.3.2 系统展示及功能介绍 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 基于CUDA的HRV时域分析计算方法 | 第47-58页 |
| 5.1 云端数据上传的形式 | 第47-50页 |
| 5.1.1 OAuth 2.0协议 | 第47-49页 |
| 5.1.2 资料上传的格式 | 第49-50页 |
| 5.2 HRV时域参数的并行化处理 | 第50-56页 |
| 5.2.1 HRV时域参数并行化处理流程 | 第51页 |
| 5.2.2 HRV时域分析方法并行化介绍 | 第51-55页 |
| 5.2.3 HRV时域并行化执行结果 | 第55-56页 |
| 5.3 GPU并行化处理结果分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |