摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-15页 |
1.1 课题研究背景 | 第11-12页 |
1.2 课题研究意义 | 第12-13页 |
1.3 论文研究内容 | 第13页 |
1.4 论文组织结构 | 第13-15页 |
第2章 心率变异性的生理学基础 | 第15-19页 |
2.1 心率变异性的生理学基础 | 第15-17页 |
2.2 心率变异性的研究现状 | 第17-18页 |
2.3 心率变异性在运动疲劳判别的应用 | 第18页 |
2.4 本章小结 | 第18-19页 |
第3章 心率变异性的分析方法 | 第19-35页 |
3.1 脉搏波信号中的噪音与基线漂移 | 第19-20页 |
3.1.1 高频噪声和基线漂移 | 第19-20页 |
3.2 脉搏波信号的预处理 | 第20-24页 |
3.2.1 小波变换的原理 | 第20-21页 |
3.2.2 基于小波变换的去除噪声和去除基线漂移 | 第21-24页 |
3.3 基于脉搏波的心率变异性信号的时域分析方法 | 第24-27页 |
3.3.1 基于脉搏波的心率变异性时域提取算法 | 第24-26页 |
3.3.2 基于脉搏波的心率变异性的时域参数提取 | 第26-27页 |
3.4 基于脉搏波的心率变异性信号的频域分析方法 | 第27-31页 |
3.4.1 基于AR模型的心率变异性的频域提取算法 | 第28-30页 |
3.4.2 基于AR模型的心率变异性的频域提取参数 | 第30-31页 |
3.5 基于脉搏波的心率变异性信号的非线性分析 | 第31-33页 |
3.5.1 二维Lorenz散点图 | 第31-32页 |
3.5.2 三维Lorenz散点图 | 第32-33页 |
3.6 本章小结 | 第33-35页 |
第4章 运动疲劳程度判别参数的提取与分析 | 第35-49页 |
4.1 运动疲劳的实验设计与实现 | 第35页 |
4.1.1 实验设计 | 第35页 |
4.2 运动疲劳程度判别依据 | 第35-36页 |
4.3 心率变异性参数的提取与分析 | 第36-44页 |
4.3.1 心率变异性时域的参数提取与分析 | 第36-40页 |
4.3.2 心率变异性频域的参数提取与分析 | 第40-44页 |
4.4 运动疲劳程度判别方法的提出 | 第44-48页 |
4.4.1 参数指标曲线拟合 | 第46-48页 |
4.5 本章小结 | 第48-49页 |
第5章 基于混合核函数的SVM分类模型的建立 | 第49-71页 |
5.1 支持向量的原理 | 第49-56页 |
5.1.1 支持向量机的分类器 | 第49-52页 |
5.1.2 支持向量分类器的软间隔分类器 | 第52-53页 |
5.1.3 核函数的原理 | 第53-55页 |
5.1.4 常用核函数 | 第55-56页 |
5.2 SVM分类模型的评价体系 | 第56-57页 |
5.3 基于多核学习的SVM分类模型 | 第57-61页 |
5.3.1 多核学习原理 | 第57-58页 |
5.3.2 基于人体生理信号混合核函数的构造 | 第58-61页 |
5.4 基于二分类的多分类模型 | 第61-63页 |
5.4.1 多分类的介绍 | 第61-62页 |
5.4.2 基于DAG法多分类实现 | 第62-63页 |
5.5 基于心率变异性运动疲劳程度SVM训练和分类 | 第63-69页 |
5.5.1 SVM分类实验 | 第65-69页 |
5.6 本章小结 | 第69-71页 |
第6章 基于心率变异性运动疲劳状态判别系统实现 | 第71-83页 |
6.1 软件平台介绍 | 第71页 |
6.2 软件系统的逻辑关系 | 第71-72页 |
6.3 信号采集平台的介绍 | 第72-76页 |
6.3.1 前端传感器简介 | 第72-73页 |
6.3.2 基于LabVIEW的数据采集与存储平台 | 第73页 |
6.3.3 DAQ数据采集 | 第73-74页 |
6.3.4 数据采集与存储 | 第74-76页 |
6.4 软件数据库表的设计 | 第76-77页 |
6.5 软件平台的主要模块介绍 | 第77-82页 |
6.6 本章小结 | 第82-83页 |
第7章 总结与展望 | 第83-85页 |
7.1 本文工作总结 | 第83-84页 |
7.2 未来展望 | 第84-85页 |
参考文献 | 第85-91页 |
致谢 | 第91页 |