基于Android和云平台的日常血压监控预警系统的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状及研究意义 | 第10-12页 |
| 1.3 论文研究内容及创新点 | 第12-13页 |
| 1.4 论文各章节内容安排 | 第13-14页 |
| 第一章 相关技术介绍及分析 | 第14-25页 |
| 2.1 Android平台介绍 | 第14-18页 |
| 2.1.1 应用程序 | 第15页 |
| 2.1.2 应用程序框架 | 第15-16页 |
| 2.1.3 系统运行库 | 第16-17页 |
| 2.1.4 Linux内核 | 第17-18页 |
| 2.2 蓝牙协议简介 | 第18-21页 |
| 2.2.1 蓝牙协议的种类 | 第18-19页 |
| 2.2.2 Android蓝牙的结构 | 第19-21页 |
| 2.3 云计算平台简介 | 第21-23页 |
| 2.4 时间序列算法简介 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 系统总体概况与接口设计 | 第25-31页 |
| 3.1 系统需求与整体设计 | 第25-26页 |
| 3.1.1 系统总体需求 | 第25页 |
| 3.1.2 系统总体设计 | 第25-26页 |
| 3.2 蓝牙协议解析模块的设计 | 第26-29页 |
| 3.2.1 蓝牙2.1协议解析 | 第27-28页 |
| 3.2.2 蓝牙4.0协议解析 | 第28-29页 |
| 3.2.3 蓝牙协议综合解析方案设计 | 第29页 |
| 3.3 网络上传接口的设计 | 第29-31页 |
| 第四章 血压时间序列预警算法研究 | 第31-39页 |
| 4.1 AR模型的参数估计 | 第31-32页 |
| 4.2 向量AR模型的参数估计 | 第32-33页 |
| 4.3 自回归模型的阶数估计 | 第33-34页 |
| 4.4 血压数据的预处理 | 第34页 |
| 4.5 时间序列预测算法的验证 | 第34-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 Android与云平台系统的设计与实现 | 第39-53页 |
| 5.1 Android与云平台系统的需求分析 | 第39-41页 |
| 5.1.1 Android系统的需求分析 | 第39-40页 |
| 5.1.2 云平台的需求分析 | 第40-41页 |
| 5.2 Android蓝牙网关的设计 | 第41页 |
| 5.3 Android蓝牙网关的实现 | 第41-45页 |
| 5.3.1 快速适配策略模式的设计 | 第42-43页 |
| 5.3.2 蓝牙统一连接接口的实现 | 第43-44页 |
| 5.3.3 网络上传组件的实现 | 第44-45页 |
| 5.4 基于MongoDB存储系统的设计 | 第45-51页 |
| 5.4.1 系统扩展性的设计 | 第45-46页 |
| 5.4.2 MongoDB的反范式化设计 | 第46-48页 |
| 5.4.3 MongoDB的分布式设计 | 第48-50页 |
| 5.4.4 血压数据的迁移策略 | 第50-51页 |
| 5.5 基于MongoDB存储系统的实现 | 第51-52页 |
| 5.5.1 数据库系统的实现 | 第51页 |
| 5.5.2 服务器的实现 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 系统联调测试 | 第53-58页 |
| 6.1 Android测试环境的配置 | 第53页 |
| 6.2 系统测试结果与分析 | 第53-58页 |
| 6.2.1 Android端数据采集测试 | 第53-55页 |
| 6.2.2 MongoDB数据测试 | 第55-57页 |
| 6.2.3 结果与分析 | 第57-58页 |
| 第七章 总结与展望 | 第58-60页 |
| 7.1 论文工作总结 | 第58-59页 |
| 7.2 下一步研究工作 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 作者攻读学位期间发表的学术论文目录 | 第63页 |
