实时医疗监护系统的研究与设计
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 课题背景与意义 | 第11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 总体设计及关键技术介绍 | 第14-20页 |
| 2.1 需求分析 | 第14页 |
| 2.1.1 系统架构需求 | 第14页 |
| 2.1.2 数据架构需求 | 第14页 |
| 2.2 系统设计流程 | 第14-16页 |
| 2.3 系统架构设计 | 第16-18页 |
| 2.3.1 系统总体架构 | 第16-17页 |
| 2.3.2 数据架构 | 第17-18页 |
| 2.4 关键技术 | 第18页 |
| 2.4.1 系统设计关键技术 | 第18页 |
| 2.4.2 跌倒检测模型关键技术 | 第18页 |
| 2.5 本章小结 | 第18-20页 |
| 第三章 系统的构建与设计 | 第20-35页 |
| 3.1 序言 | 第20页 |
| 3.2 各模块架构设计 | 第20-22页 |
| 3.2.1 数据采集模块架构设计 | 第20-21页 |
| 3.2.2 无线网络模块架构设计 | 第21-22页 |
| 3.2.3 服务器模块架构设计 | 第22页 |
| 3.3 可穿戴设备构建 | 第22-29页 |
| 3.3.1 可穿戴设备总体设计方案 | 第22-23页 |
| 3.3.2 Zigbee协议关键概述 | 第23页 |
| 3.3.3 Zigbee协议栈应用 | 第23-24页 |
| 3.3.4 加速度传感器 | 第24-25页 |
| 3.3.5 心率传感器 | 第25-26页 |
| 3.3.6 控制单元 | 第26-29页 |
| 3.4 组网的实现 | 第29-30页 |
| 3.4.1 组网的条件分析 | 第29页 |
| 3.4.2 组网的基本原理 | 第29-30页 |
| 3.4.3 组网的具体方案 | 第30页 |
| 3.5 服务器的构建 | 第30-33页 |
| 3.5.1 服务器的设计概述 | 第30-31页 |
| 3.5.2 主控单元部分 | 第31页 |
| 3.5.3 数据通信部分 | 第31页 |
| 3.5.4 用户界面部分 | 第31-32页 |
| 3.5.5 数据库部分 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第四章 半监督跌倒检测模型 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 半监督学习的概述 | 第35-37页 |
| 4.2.1 半监督学习的定义与其研究现状 | 第35-36页 |
| 4.2.2 半监督学习的基本假设 | 第36-37页 |
| 4.3 半监督学习的跌倒检测算法 | 第37-41页 |
| 4.3.1 模式识别跌倒检测的原理 | 第37页 |
| 4.3.2 半监督学习算法的原理 | 第37-41页 |
| 4.4 数据的处理 | 第41-44页 |
| 4.4.1 数据的基本特性 | 第41-42页 |
| 4.4.2 数据的预处理 | 第42页 |
| 4.4.3 数据的特征生成 | 第42-43页 |
| 4.4.4 数据的特征选择 | 第43-44页 |
| 4.5 跌倒检测的检测结果 | 第44-45页 |
| 4.5.1 跌倒检测的实验数据 | 第44页 |
| 4.5.2 跌倒检测的结果分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 噪声嵌入跌倒检测模型 | 第46-54页 |
| 5.1 噪声嵌入的背景 | 第46页 |
| 5.2 NE算法的介绍 | 第46-49页 |
| 5.2.1 基本分类器的简介 | 第46-48页 |
| 5.2.2 NE算法的原理 | 第48-49页 |
| 5.3 NE算法的实现 | 第49-51页 |
| 5.3.1 数据的预处理 | 第49页 |
| 5.3.2 数据特征生成 | 第49-50页 |
| 5.3.3 数据特征选择 | 第50-51页 |
| 5.4 实验结果 | 第51-52页 |
| 5.5 实验数据分析 | 第52页 |
| 5.6 本章小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 致谢 | 第64-65页 |
| 在学期间的研究成果及发表的学术论文 | 第65页 |
