基于高斯过程的呼吸运动预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的目的及意义 | 第10-11页 |
| 1.2 课题国内外研究现状 | 第11-16页 |
| 1.2.1 呼吸运动预测的国内外研究现状 | 第11-14页 |
| 1.2.2 高斯过程国内外研究现状 | 第14-16页 |
| 1.3 论文的研究内容 | 第16-18页 |
| 第2章 呼吸运动数据采集与分析 | 第18-29页 |
| 2.1 概述 | 第18页 |
| 2.2 呼吸信号数据采集 | 第18-23页 |
| 2.2.1 信号相关性问题 | 第18-20页 |
| 2.2.2 数据采集系统 | 第20-22页 |
| 2.2.3 数据采集实验 | 第22-23页 |
| 2.3 呼吸信号分析和预处理 | 第23-28页 |
| 2.3.1 呼吸信号分析 | 第23-26页 |
| 2.3.2 呼吸信号预处理 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 高斯过程回归建模 | 第29-41页 |
| 3.1 贝叶斯理论 | 第29-30页 |
| 3.2 高斯过程 | 第30-36页 |
| 3.2.1 权重空间 | 第31-33页 |
| 3.2.2 函数空间 | 第33-36页 |
| 3.3 高斯过程建模 | 第36-38页 |
| 3.3.1 核函数的选择 | 第36-38页 |
| 3.3.2 超参数的确定 | 第38页 |
| 3.4 实验仿真 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 呼吸运动预测算法的实现 | 第41-53页 |
| 4.1 常规呼吸运动预测算法 | 第41-44页 |
| 4.1.1 线性预测 | 第41-42页 |
| 4.1.2 卡尔曼滤波 | 第42-43页 |
| 4.1.3 人工神经网络 | 第43-44页 |
| 4.2 高斯过程回归预测算法的实现 | 第44-45页 |
| 4.3 实验结果分析 | 第45-52页 |
| 4.3.1 性能评价指标 | 第46页 |
| 4.3.2 四种预测算法在不同延迟下的对比分析 | 第46-47页 |
| 4.3.3 三种不同算法在同一延迟下的对比分析 | 第47-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
