| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 心律失常自动识别研究的内容 | 第12-13页 |
| 1.3 心律失常自动识别国内外研究现状 | 第13-16页 |
| 1.3.1 心电信号预处理的研究现状 | 第14页 |
| 1.3.2 特征提取的研究现状 | 第14-15页 |
| 1.3.3 心律失常自动分类算法的研究现状 | 第15-16页 |
| 1.4 本文主要内容及章节安排 | 第16-18页 |
| 第二章 心电信号及心律失常相关知识的介绍 | 第18-28页 |
| 2.1 心电信号的产生机理及信号特点 | 第18-19页 |
| 2.1.1 心电信号产生机理 | 第18页 |
| 2.1.2 心电信号的特点 | 第18-19页 |
| 2.2 心律失常标准的研究 | 第19-26页 |
| 2.2.1 心律失常的诱因 | 第19-20页 |
| 2.2.2 心律失常的分类 | 第20-26页 |
| 2.3 心律失常分类标准 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 心电信号预处理技术研究 | 第28-37页 |
| 3.1 小波变换理论 | 第28-30页 |
| 3.2 心电信号中的噪声干扰 | 第30-31页 |
| 3.3 心电信号噪声处理方法 | 第31-35页 |
| 3.3.1 低频噪声的消除 | 第33-34页 |
| 3.3.2 高频噪声的消除 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 心律失常信号特征的提取 | 第37-50页 |
| 4.1 离散傅里叶变换(DFT) | 第37-39页 |
| 4.2 高阶统计量特征 | 第39-41页 |
| 4.3 小波包分解特征 | 第41-46页 |
| 4.4 形态特征 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于心电信号多模态特征的心律失常自动判别实现 | 第50-65页 |
| 5.1 心电信号数据来源 | 第50页 |
| 5.2 心律失常自动识别算法 | 第50-54页 |
| 5.2.1 KNN(K-最邻近算法)算法理论 | 第51-53页 |
| 5.2.2 特征参数选择 | 第53-54页 |
| 5.3 基于KNN算法的多模态特征心律失常分类的实现 | 第54-61页 |
| 5.3.1 最值特征参数提取 | 第54-56页 |
| 5.3.2 对特征参数进行欧氏距离计算 | 第56页 |
| 5.3.3 KNN算法进行决策 | 第56-61页 |
| 5.4 分析与讨论 | 第61-63页 |
| 5.4.1 分析 | 第61页 |
| 5.4.2 讨论 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的论文 | 第74页 |
| 攻读硕士期间参与申请的项目 | 第74页 |
| 攻读硕士期间参与的项目 | 第74-75页 |
| 附件 | 第75页 |