| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·心室晚电位的概念及研究意义 | 第9-11页 |
| ·心室晚电位概念及产生病理生理基础 | 第9-10页 |
| ·本课题研究意义 | 第10-11页 |
| ·心室晚电位识别方法研究历史与现状 | 第11-16页 |
| ·心室晚电位的时域分析 | 第11-12页 |
| ·心室晚电位的频域分析 | 第12-13页 |
| ·心室晚电位的时频分析 | 第13-15页 |
| ·心室晚电位的人工神经网络检测 | 第15-16页 |
| ·本文的研究目的和主要研究内容 | 第16-17页 |
| 2 小波分析及其在心电信号处理中应用 | 第17-30页 |
| ·小波变换与多分辨率分析 | 第17-25页 |
| ·连续小波变换定义及其特性 | 第17-19页 |
| ·离散小波变换(discrete wavelet transform ,即DWT) | 第19-22页 |
| ·双尺度方程分析 | 第22-23页 |
| ·正交MRA 的物理意义与Mallat 算法 | 第23-25页 |
| ·小波包分析(WAVELET PACKET ANALYSIS) | 第25-28页 |
| ·小波包的概念与性质 | 第25-26页 |
| ·小波包的空间分解与Mallat 算法 | 第26-28页 |
| ·小波分析在心电信号处理中的应用 | 第28-30页 |
| ·小波分析用于心电信号的消噪处理 | 第28页 |
| ·小波变换用于心室晚电位特征的提取 | 第28-29页 |
| ·小波包分析用于VLP 特征提取 | 第29-30页 |
| 3 人工神经网络模型与设计 | 第30-39页 |
| ·人工神经元与激活函数 | 第30-32页 |
| ·BP 人工神经网络模型 | 第32-36页 |
| ·BP 网络模型与算法 | 第33-34页 |
| ·BP 学习算法的改进 | 第34-36页 |
| ·BP 神经网络设计 | 第36-37页 |
| ·BP 神经网络在本课题中具体应用 | 第37-39页 |
| 4 小波奇异性定位R 波 | 第39-49页 |
| ·小波分析用于奇异性检测原理 | 第39-43页 |
| ·小波分析奇异性检测原理 | 第39-41页 |
| ·小波变换模值与奇异性关系 | 第41-43页 |
| ·ECG 信号R 波的小波变换检测 | 第43-49页 |
| ·R 波检测的小波滤波器选择 | 第43-44页 |
| ·小波检测R 波算法与实例 | 第44-49页 |
| 5 基于小波变换近似熵分析的VLP 神经网络识别 | 第49-58页 |
| ·近似熵概念与算法 | 第49-51页 |
| ·基于小波近似熵分析的VLP 神经网络识别 | 第51-53页 |
| ·利用小波变换近似熵进行VLP 特征提取 | 第51页 |
| ·BP 人工神经网络构造 | 第51-52页 |
| ·BP 网络的训练 | 第52-53页 |
| ·心室晚电位的识别 | 第53页 |
| ·基于小波包近似熵分析的神经网络心室晚电位识别 | 第53-54页 |
| ·利用小波包变换—近似熵进行VLP 特征提取 | 第53页 |
| ·BP 神经网络的构造和训练 | 第53-54页 |
| ·心室晚电位的小波包近似熵神经网络识别 | 第54页 |
| ·实验结果与分析 | 第54-58页 |
| 6 全文总结和展望 | 第58-60页 |
| ·全文总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 攻读硕士学位期间发表论文 | 第64-65页 |
| 独创性声明 | 第65页 |
| 学位论文版权使用授权书 | 第65页 |