| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究的目的和主要内容 | 第12-15页 |
| 1.3.1 研究目的 | 第12页 |
| 1.3.2 研究的主要内容 | 第12-15页 |
| 2 胎儿心电信号提取的基本原理 | 第15-39页 |
| 2.1 引言 | 第15页 |
| 2.2 时频盲源分离方法 | 第15-16页 |
| 2.3 经验模式分解 | 第16-18页 |
| 2.4 统计学习理论的基本内容 | 第18-23页 |
| 2.4.1 机器学习的基本问题 | 第18-20页 |
| 2.4.2 统计学习理论的核心内容 | 第20-23页 |
| 2.5 回归支持向量机 | 第23-28页 |
| 2.5.1 最优分类超平面 | 第23-26页 |
| 2.5.2 回归支持向量机 | 第26-28页 |
| 2.6 改进的支持向量机 | 第28-30页 |
| 2.7 胎儿心电提取实验数据的采集 | 第30-35页 |
| 2.7.1 胎儿心电信号的形态 | 第30-32页 |
| 2.7.2 心电信号的合成 | 第32-33页 |
| 2.7.3 临床实验数据的采集 | 第33-35页 |
| 2.8 胎儿心电信号提取方法的性能评估 | 第35-37页 |
| 2.8.1 合成实验数据的量化性能指标 | 第35-36页 |
| 2.8.2 临床实验数据的量化性能指标 | 第36-37页 |
| 2.9 本章小结 | 第37-39页 |
| 3 结合时频盲源分离和经验模式分解的胎儿心电信号提取 | 第39-49页 |
| 3.1 引言 | 第39页 |
| 3.2 基于时频盲源分离的胎儿心电信号提取 | 第39-40页 |
| 3.2.1 胎儿心电信号提取原理 | 第39页 |
| 3.2.2 胎儿心电信号提取步骤 | 第39-40页 |
| 3.3 基于时频盲源分离的胎儿心电信号提取实验及结果分析 | 第40-42页 |
| 3.4 胎儿心电信号提取结果对比分析 | 第42-44页 |
| 3.5 经验模式分解去噪 | 第44-47页 |
| 3.6 本章小结 | 第47-49页 |
| 4 基于 v-SVR 的胎儿心电信号提取 | 第49-81页 |
| 4.1 引言 | 第49页 |
| 4.2 基于改进的支持向量机的胎儿心电信号提取方法 | 第49-51页 |
| 4.3 参数的优化 | 第51-56页 |
| 4.3.1 惩罚系数 C 和径向基核函数中的参数 的选取 | 第52-53页 |
| 4.3.2 训练点数的选取 | 第53-54页 |
| 4.3.3 时间导数 J 的选取 | 第54-55页 |
| 4.3.4 参数 v 的选取 | 第55-56页 |
| 4.3.5 小结 | 第56页 |
| 4.4 基于 v-SVR 的胎儿心电信号提取 | 第56-60页 |
| 4.4.1 合成数据的提取实验及结果分析 | 第57-58页 |
| 4.4.2 临床数据的提取实验及结果分析 | 第58-60页 |
| 4.5 胎儿心电信号提取对比实验验及结果分析 | 第60-71页 |
| 4.5.1 合成数据的对比实验及结果分析 | 第61-65页 |
| 4.5.2 临床数据的对比实验及结果分析 | 第65-71页 |
| 4.6 经验模式分解去噪 | 第71-76页 |
| 4.7 v-SVR 与 TFBSS 提取性能的对比分析 | 第76-78页 |
| 4.8 本章小结 | 第78-81页 |
| 5 结论与展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 附录 | 第89页 |
| A. 作者在攻读学位期间发表的论文目录 | 第89页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第89页 |
