| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-14页 |
| 1.2.1 QRS波检测算法的国内外动态 | 第11-13页 |
| 1.2.2 特征波形检测算法在自动诊断中的理论研究意义与实用价值 | 第13-14页 |
| 1.2.3 目前QRS波检测算法在动态心电图机中面临的问题 | 第14页 |
| 1.3 论文的主要研究内容 | 第14-16页 |
| 1.4 论文的组织结构及章节安排 | 第16-17页 |
| 第二章 心电信号相关原理及技术介绍 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 心电产生的生理学原理及波形特征 | 第17-21页 |
| 2.2.1 心电信号的产生 | 第17-19页 |
| 2.2.2 心电图波形及其主要特征 | 第19-21页 |
| 2.3 移动心电设备的波形检测技术 | 第21-24页 |
| 2.3.1 移动心电设备采集系统 | 第21-22页 |
| 2.3.2 移动心电设备自动分析技术 | 第22-23页 |
| 2.3.3 移动心电设备QRS波检测流程 | 第23-24页 |
| 2.4 标准心电数据库 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 多导联融合滤波设计 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 导联噪声分析 | 第26-27页 |
| 3.2.1 噪声来源及分类 | 第26页 |
| 3.2.2 噪声频带范围 | 第26-27页 |
| 3.3 基于数字滤波器的噪声预处理设计 | 第27-30页 |
| 3.4 基于独立元分析的导联选择 | 第30-32页 |
| 3.4.1 独立元分析 | 第30-32页 |
| 3.4.2 峭度分析与导联选择 | 第32页 |
| 3.5 算法抗噪性能讨论 | 第32-35页 |
| 3.5.1 环境噪声下的性能 | 第32-34页 |
| 3.5.2 病变波形下的性能 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于神经网络的自适应特征波形增强算法 | 第36-45页 |
| 4.1 引言 | 第36页 |
| 4.2 自适应白化滤波器 | 第36-37页 |
| 4.3 非线性自适应滤波器设计 | 第37-41页 |
| 4.3.1 前馈神经网络 | 第37-39页 |
| 4.3.2 模板选择与训练 | 第39页 |
| 4.3.3 模板匹配算法 | 第39-41页 |
| 4.4 算法优化 | 第41-44页 |
| 4.4.1 线性信号和非线性信号滤波效果分析 | 第41-43页 |
| 4.4.2 神经网络各层节点数的选取 | 第43页 |
| 4.4.3 神经网络各层学习步长的选取 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 动态阈值特征波检测策略 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 传统R波峰检测策略 | 第45-47页 |
| 5.2.1 传统阈值检测原理 | 第45-47页 |
| 5.2.2 传统阈值检测缺点 | 第47页 |
| 5.3 动态阈值更新策略 | 第47-51页 |
| 5.3.1 基于概率分布的阈值调节策略 | 第47-49页 |
| 5.3.2 RR间期的概率分布对阈值检测的影响 | 第49-50页 |
| 5.3.3 动态阈值参数设计 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 测试结果与讨论 | 第52-57页 |
| 6.1 引言 | 第52页 |
| 6.2 算法测试结果 | 第52-53页 |
| 6.3 与其他算法对比 | 第53-54页 |
| 6.4 误差来源及检测位置精度分析 | 第54-56页 |
| 6.4.1 误差来源分析 | 第54页 |
| 6.4.2 检测位置精度分析 | 第54-56页 |
| 6.5 本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 全文总结 | 第57-58页 |
| 7.2 研究展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-64页 |
| 参考文献 | 第64-65页 |