| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-23页 |
| ·正常心电图 | 第12-15页 |
| ·正常心电传导与节律 | 第12-13页 |
| ·常心电图波形 | 第13-15页 |
| ·心律失常 | 第15-21页 |
| ·心律失常诱因及电生理 | 第15页 |
| ·常见心律失常心电图特征 | 第15-19页 |
| ·心律失常自动化检测研究现状 | 第19-21页 |
| ·本文研究内容与组织结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 2 心电信号预处理 | 第23-34页 |
| ·数据来源 | 第23-26页 |
| ·MIT-BIH心律失常数据库 | 第23-25页 |
| ·心律失常类型 | 第25-26页 |
| ·心电信号中噪声分布和处理 | 第26-32页 |
| ·中值滤波算法 | 第27-29页 |
| ·梳状滤波器 | 第29-32页 |
| ·分割样本心拍 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于小波变换的特征向量提取 | 第34-49页 |
| ·小波分析基础 | 第34-39页 |
| ·连续小波变换 | 第35-37页 |
| ·离散小波变换 | 第37-38页 |
| ·多分辨分析和Mallat算法 | 第38-39页 |
| ·心电信号时域特征检测 | 第39-45页 |
| ·典型时域特征参数 | 第40-41页 |
| ·基于小波变换的R波定位和参数提取 | 第41-45页 |
| ·基于bior5.5双正交小波多分辨分析的特征提取算法 | 第45-48页 |
| ·选取小波基函数 | 第45-46页 |
| ·小波特征向量提取结果 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于独立分量分析的心电信号特征提取 | 第49-56页 |
| ·ICA基本原理 | 第49-50页 |
| ·FastICA算法 | 第50-52页 |
| ·基于ICA的特征提取方法 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 5 心律失常特征空间优化和分类 | 第56-72页 |
| ·基于遗传算法的特征优化 | 第56-63页 |
| ·遗传算法基本原理 | 第57-60页 |
| ·特征优化算法和结果 | 第60-63页 |
| ·基于支持向量机的心律失常自动分类 | 第63-69页 |
| ·支持向量机(SVM)基本思想 | 第64-66页 |
| ·LibSVM | 第66-67页 |
| ·心律失常分类训练和测试结果 | 第67-69页 |
| ·心律失常自动分类效果评价 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 6 总结和展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |