| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 睡眠分期概述 | 第9-10页 |
| 1.2.1 睡眠分期方法简介 | 第9页 |
| 1.2.2 国内外睡眠分期的研究现状及发展趋势 | 第9-10页 |
| 1.3 多传感器数据融合技术 | 第10-12页 |
| 1.3.1 多传感器数据融合的概述 | 第10-11页 |
| 1.3.2 国内外多传感器数据融合技术的研究现状及发展趋势 | 第11-12页 |
| 1.4 论文主要研究内容 | 第12-13页 |
| 2 多传感器数据融合技术 | 第13-20页 |
| 2.1 多传感器数据融合的层次 | 第13-15页 |
| 2.1.1 数据级融合 | 第13页 |
| 2.1.2 特征级融合 | 第13-14页 |
| 2.1.3 决策级融合 | 第14-15页 |
| 2.2 多传感器数据融合算法 | 第15-18页 |
| 2.2.1 特征级融合算法 | 第16-17页 |
| 2.2.2 决策级融合算法 | 第17-18页 |
| 2.3 异类传感器数据预处理 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 基于多传感器数据融合的睡眠分期系统 | 第20-34页 |
| 3.1 系统设置 | 第20-23页 |
| 3.1.1 系统设备 | 第20-21页 |
| 3.1.2 系统工作流程 | 第21-22页 |
| 3.1.3 系统场景 | 第22页 |
| 3.1.4 系统实验操作步骤 | 第22-23页 |
| 3.2 雷达传感器工作原理及特征提取 | 第23-29页 |
| 3.2.1 雷达传感器工作原理 | 第23-24页 |
| 3.2.2 呼吸、心跳、体动信号提取 | 第24-26页 |
| 3.2.3 雷达信号特征参数提取 | 第26-29页 |
| 3.3 音频传感器工作原理及特征提取 | 第29-33页 |
| 3.3.1 音频传感器工作原理 | 第29-30页 |
| 3.3.2 呼吸和鼾声信号提取 | 第30页 |
| 3.3.3 音频信号特征参数提取 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于睡眠分期的多传感器特征级融合模型 | 第34-59页 |
| 4.1 特征级融合系统模型构建 | 第34-35页 |
| 4.2 多传感器的特征级融合方法 | 第35-47页 |
| 4.2.1 分类器算法 | 第35-38页 |
| 4.2.2 特征参数优化选取 | 第38-47页 |
| 4.3 实验结果 | 第47-57页 |
| 4.3.1 单个传感器结果 | 第47-52页 |
| 4.3.2 多个传感器融合结果 | 第52-57页 |
| 4.4 本章小结 | 第57-59页 |
| 5 基于睡眠分期的多传感器决策级融合模型 | 第59-70页 |
| 5.1 决策级融合系统模型构建 | 第59页 |
| 5.2 多传感器的决策级融合方法 | 第59-62页 |
| 5.2.1 朴素贝叶斯算法 | 第59-60页 |
| 5.2.2 基于朴素贝叶斯分类器的融合系统 | 第60-62页 |
| 5.3 实验结果 | 第62-68页 |
| 5.3.1 初步结果与分析 | 第62-63页 |
| 5.3.2 分类器参数选取结果 | 第63-68页 |
| 5.4 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76页 |