首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

微动敏感床垫信号中体动信息的分类识别

摘要第1-12页
ABSTRACT第12-15页
缩略语表第15-16页
第一章 绪论第16-29页
   ·睡眠的神经生物学第16-17页
   ·睡眠生理第17-18页
   ·睡眠监测的重要性第18-20页
   ·睡眠监测技术的发展第20-26页
     ·睡眠医学的发展过程及趋势第20-21页
     ·低负荷睡眠监测第21-23页
       ·低负荷睡眠监测的生理学基础第21-22页
       ·低负荷睡眠监测的发展第22-23页
     ·微动敏感床垫式睡眠监测系统第23-25页
       ·床垫式睡眠监测系统的特点第23-24页
       ·新一代床垫式睡眠监测系统的特点和优势第24-25页
     ·体动信息分析的重要性及研究现状第25-26页
   ·主要工作与各章节的安排第26-29页
第二章 床垫式系统信号的预处理及特点分析第29-44页
   ·床垫信号的处理策略第29页
   ·信号滤波基础第29-36页
     ·滤波器的原理及分类第29-33页
       ·滤波器的基本概念第29-30页
       ·工程滤波器的技术指标要求第30-33页
     ·数字滤波器的原理第33-35页
       ·数字滤波器概述第33-34页
       ·数字滤波器的分类第34页
       ·数字滤波器的工作原理第34-35页
     ·工程FIR数字滤波器的设计第35-36页
   ·微动敏感床垫系统信号的预处理第36-42页
     ·对上身原始信号的预处理第36-41页
     ·对下身原始信号的预处理第41-42页
   ·床垫系统各路信号的特点分析第42-44页
第三章 基于窗口阈值法的体动信息分类识别第44-57页
   ·引言第44页
   ·人夜间动作的分类策略第44-45页
   ·原始信号的特征提取和量化第45-46页
     ·原始信号的特征提取第45-46页
     ·特征参量的数据归一化处理第46页
   ·基于上身原始信号的窗口阈值判别法实现体动识别第46-52页
     ·鼾声/咳嗽信号的检测第47-50页
       ·语音信号处理基础第47-48页
       ·鼾声/咳嗽信号的端点检测第48-50页
     ·整晚体动的完整识别第50-52页
   ·实验设计及分析第52-55页
   ·本章小结第55-57页
第四章 基于机器学习算法的体动分类识别第57-78页
   ·机器学习基础第57-59页
     ·归纳机器学习的一个最普通的任务一分类第57-58页
     ·机器学习结果的评估第58-59页
   ·决策树模型第59-66页
     ·决策树理论基础第59-60页
     ·决策树归纳第60-62页
     ·由决策树提取规则第62页
     ·决策树算法实现分类第62-66页
   ·基于懒惰分类器的方法第66-68页
     ·基于实例的学习第66-67页
     ·懒惰分类器算法用于分类第67-68页
   ·支持向量机分类方法第68-74页
     ·从机器学习到支持向量机第68-69页
     ·支持向量机的原理第69-71页
     ·利用SVM实现体动分类第71-74页
       ·软件背景第71-72页
       ·分类过程及结果第72-74页
   ·本章小结第74-78页
第五章 体动识别基础上的几个扩展研究第78-91页
   ·引言第78页
   ·利用鼾声信号实现对呼吸事件的修正第78-84页
     ·研究背景第78-79页
     ·鼾声的产生及生理学解释第79-80页
     ·睡眠呼吸事件的修正第80-83页
     ·讨论第83-84页
   ·夜间大动状态下呼吸波的补偿算法研究第84-90页
     ·研究背景第84-86页
     ·大动下呼吸波的补偿第86-89页
     ·应用举例第89页
     ·讨论第89-90页
   ·本章小结第90-91页
第六章 总结和展望第91-94页
   ·工作总结第91-92页
   ·工作展望第92-94页
参考文献第94-100页
致谢第100-101页
攻读硕士学位期间发表的学术论文第101-102页
学位论文评阅及答辩情况表第102页

论文共102页,点击 下载论文
上一篇:低温对小鼠神经行为功能的影响及其机制的研究
下一篇:超声行波圆环模型的动力学分析及流固耦合分析