| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究目的和意义 | 第8-9页 |
| 1.3 ECG 背景介绍 | 第9-10页 |
| 1.4 国内外研究现状 | 第10-14页 |
| 1.4.1 ECG 信号预处理的研究现状 | 第11页 |
| 1.4.2 特征波形检测的研究现状 | 第11-13页 |
| 1.4.3 基于 ECG 特征的智能诊断的研究现状 | 第13-14页 |
| 1.5 本文的研究内容及组织结构 | 第14-16页 |
| 第2章 ECG 信号预处理 | 第16-26页 |
| 2.1 MIT-BIH 心律不齐数据库介绍 | 第16-17页 |
| 2.2 离散小波变换滤波 | 第17-25页 |
| 2.2.1 离散小波变换及 Mallat 快速算法 | 第17-19页 |
| 2.2.2 不同小波函数滤波效果分析 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 特征波形检测方法的研究 | 第26-42页 |
| 3.1 R 波和 QRS 波群检测方法 | 第26-34页 |
| 3.1.1 K-means 聚类算法 | 第26-27页 |
| 3.1.2 基于斜率特征的 R 波检测算法 | 第27-30页 |
| 3.1.3 QRS 波群界定算法 | 第30-32页 |
| 3.1.4 实验结果分析 | 第32-34页 |
| 3.2 P 波和 T 波检测方法 | 第34-41页 |
| 3.2.1 基于相对位置特征的检测算法 | 第35-40页 |
| 3.2.2 实验结果分析 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 心电异常诊断模型的研究 | 第42-53页 |
| 4.1 特征提取 | 第42-43页 |
| 4.2 数据集介绍 | 第43-45页 |
| 4.3 基于 SVM 的分类器设计 | 第45-50页 |
| 4.3.1 SVM 分类算法 | 第45-46页 |
| 4.3.2 多层分类器设计 | 第46-50页 |
| 4.4 实验结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |