| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 前言 | 第9-17页 |
| §1.1 研究背景与意义 | 第9-10页 |
| §1.2 国内外研究现状与发展趋势 | 第10-14页 |
| §1.2.1 BCG信号起源与发展历史 | 第10-11页 |
| §1.2.2 BCG信号国内外研究现状 | 第11-14页 |
| §1.3 本文主要研究内容及创新点 | 第14-16页 |
| §1.4 本文组织结构 | 第16-17页 |
| 第二章 BCG信号采集与预处理 | 第17-30页 |
| §2.1 BCG信号采集系统总体设计 | 第17-18页 |
| §2.2 BCG信号硬件采集电路设计 | 第18-23页 |
| §2.2.1 压电薄膜传感器 | 第18-19页 |
| §2.2.2 电源电路 | 第19页 |
| §2.2.3 电荷灵敏前置放大电路 | 第19-20页 |
| §2.2.4 滤波电路 | 第20-21页 |
| §2.2.5 50Hz工频陷波电路 | 第21页 |
| §2.2.6 后置放大电路 | 第21-23页 |
| §2.3 采集过程与数字滤波 | 第23-29页 |
| §2.3.1 BCG信号采集步骤 | 第23-25页 |
| §2.3.2 滤波器的选择 | 第25-26页 |
| §2.3.3 滤波流程 | 第26-29页 |
| §2.4 本章小结 | 第29-30页 |
| 第三章 BCG信号的时域特征提取 | 第30-40页 |
| §3.1 带阈值判断的HIJKL波群特征标记法 | 第30-35页 |
| §3.2 不同状态BCG信号波形特征提取分析 | 第35-37页 |
| §3.3 其他时域特征提取 | 第37-38页 |
| §3.4 本章小结 | 第38-40页 |
| 第四章 BCG信号高阶统计量特征分析及特征提取 | 第40-68页 |
| §4.1 引言 | 第40-41页 |
| §4.2 高阶统计量的原理 | 第41-46页 |
| §4.2.1 高阶统计量的定义 | 第41-42页 |
| §4.2.2 高阶统计量的性质 | 第42-44页 |
| §4.2.3 双谱估计的方法 | 第44-46页 |
| §4.3 双谱的幅值和相位 | 第46-51页 |
| §4.3.1 双谱幅值和相位的公示推导 | 第46页 |
| §4.3.2 BCG信号的双谱幅值和相位分析 | 第46-50页 |
| §4.3.3 归一化幅值和频率与真实值的关系转化 | 第50-51页 |
| §4.4 非线性相位耦合现象 | 第51-53页 |
| §4.5 BCG信号的偏度和峭度 | 第53-55页 |
| §4.6 双谱实验的过程、现象及结果 | 第55-64页 |
| §4.6.1 BCG信号双谱直接法和间接法估计结果对比 | 第55-58页 |
| §4.6.2 双谱参数对BCG双谱实验的影响 | 第58-64页 |
| §4.7 双谱的1.5维谱(切片谱) | 第64-67页 |
| §4.8 本章小结 | 第67-68页 |
| 第五章 基于小波变换的BCG信号双谱分析与特征提取 | 第68-75页 |
| 5.1 小波多尺度分解 | 第68-69页 |
| 5.2 小波分解双谱分析 | 第69-73页 |
| 5.3 本章小结 | 第73-75页 |
| 第六章 基于BP神经网络的BCG信号分类识别 | 第75-85页 |
| §6.1 BP神经网络基本原理 | 第75-76页 |
| §6.2 BP神经网络识别流程 | 第76-84页 |
| §6.2.1 BCG信号识别总体流程 | 第76-77页 |
| §6.2.2 BP神经网络参数设置研究 | 第77-80页 |
| §6.2.3 BP神经网络输入特征参数对识别率的影响 | 第80-84页 |
| §6.3 BCG信号与脉搏信号识别效果对比 | 第84页 |
| §6.4 本章小结 | 第84-85页 |
| 第七章 总结与展望 | 第85-87页 |
| §7.1 总结 | 第85-86页 |
| §7.2 展望 | 第86-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92-93页 |
| 攻读硕士期间的成果 | 第93页 |
