| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 心电信号自动分析研究内容 | 第8-9页 |
| 1.3 心电信号自动分析技术发展现状 | 第9-10页 |
| 1.4 论文内容概述 | 第10-11页 |
| 第二章 心电信号自动检测基础 | 第11-29页 |
| 2.1 心电信号的产生和意义 | 第11-16页 |
| 2.1.1 心电信号的产生 | 第11-12页 |
| 2.1.2 心电图各个波段的意义和正常参数 | 第12-14页 |
| 2.1.3 导联安排 | 第14页 |
| 2.1.4 心电信号的主要特性 | 第14-16页 |
| 2.2 支持向量机简介 | 第16-21页 |
| 2.2.1 基本思想 | 第16-18页 |
| 2.2.2 核函数 | 第18-19页 |
| 2.2.3 软间隔 | 第19-21页 |
| 2.3 GPU的基本介绍 | 第21-28页 |
| 2.3.1 GPU的体系结构 | 第21-22页 |
| 2.3.2 GPU硬件模型 | 第22-27页 |
| 2.3.3 CUDA的编程模型 | 第27页 |
| 2.3.4 CUDA C语言 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 心电信号的预处理 | 第29-37页 |
| 3.1 MITBIH心律不齐数据库 | 第29页 |
| 3.2 心电信号的主要噪声 | 第29-31页 |
| 3.2.1 工频干扰 | 第31页 |
| 3.2.2 基线漂移 | 第31页 |
| 3.2.3 肌电干扰 | 第31页 |
| 3.3 小波变换去噪分析 | 第31-33页 |
| 3.4 基于小波变换模极大值方法的信号滤波实验仿真 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 心电信号的特征提取和自动分类模型的建立 | 第37-49页 |
| 4.1 LIBSVM介绍 | 第37-40页 |
| 4.1.1 目标二次函数求解算法 | 第37-39页 |
| 4.1.2 多类问题的解决方法 | 第39-40页 |
| 4.2 心电信号的特征提取 | 第40-46页 |
| 4.2.1 心电信号的形态学特征提取 | 第40-46页 |
| 4.2.2 心电信号的动态学特征提取 | 第46页 |
| 4.3 心电信号的模型训练过程及结果 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于GPU的心电信号自动分类模型训练加速 | 第49-63页 |
| 5.1 常见的GPU优化方法 | 第49-52页 |
| 5.2 心电信号自动分类模型训练的时间分析 | 第52-55页 |
| 5.3 心电信号自动分类模型训练的算法优化 | 第55-61页 |
| 5.3.1 矩阵并行化算法 | 第55-56页 |
| 5.3.2 查表法优化算法 | 第56-58页 |
| 5.3.3 存储器优化算法 | 第58页 |
| 5.3.4 串行优化算法 | 第58-61页 |
| 5.4 实验结果及分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致谢 | 第68页 |