| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第1章 绪论 | 第11-33页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 心电信号 | 第13-17页 |
| 1.2.1 心电信号产生的基本原理 | 第13页 |
| 1.2.2 心电信号组成 | 第13-14页 |
| 1.2.3 心律失常的分类 | 第14-17页 |
| 1.3 国内外研究现状 | 第17-30页 |
| 1.3.1 可穿戴式健康监测系统的研究现状 | 第17-23页 |
| 1.3.2 心电信号自动分类的研究现状 | 第23-30页 |
| 1.4 本文的主要内容和结构 | 第30-33页 |
| 第2章 自适应预处理与基于Pan-Tompkins的QRS特征波检测 | 第33-50页 |
| 2.1 引言 | 第33页 |
| 2.2 基于扩展递归最小二乘法的心电信号预处理 | 第33-38页 |
| 2.2.1 心电信号中的噪声类型 | 第33-34页 |
| 2.2.2 递归最小二乘法 | 第34-37页 |
| 2.2.3 基于扩展递归最小二乘法的自适应心电信号预处理方法 | 第37-38页 |
| 2.3 基于Pan-Tompkins的QRS特征波检测算法 | 第38-41页 |
| 2.3.1 带通滤波 | 第39页 |
| 2.3.2 微分 | 第39-40页 |
| 2.3.3 平方 | 第40页 |
| 2.3.4 移动窗口积分 | 第40页 |
| 2.3.5 自适应阈值 | 第40-41页 |
| 2.4 实验结果与分析 | 第41-49页 |
| 2.4.1 心电信号预处理实验 | 第41-44页 |
| 2.4.2 QRS复波检测实验 | 第44-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第3章 基于压缩感知的心电信号压缩与重构 | 第50-78页 |
| 3.1 引言 | 第50页 |
| 3.2 压缩感知 | 第50-54页 |
| 3.2.1 信号稀疏表示 | 第51-52页 |
| 3.2.2 观测矩阵的设计 | 第52-54页 |
| 3.2.3 信号重构 | 第54页 |
| 3.3 基于“分—合”式字典学习的心电信号压缩感知 | 第54-61页 |
| 3.3.1 常用的字典学习方法 | 第54-57页 |
| 3.3.2“分—合”式字典学习方法 | 第57-59页 |
| 3.3.3 基于“分—合”式字典学习的心电信号压缩感知方法 | 第59-61页 |
| 3.4 基于时空稀疏模型的多通道心电信号压缩感知 | 第61-65页 |
| 3.4.1 时空稀疏模型 | 第61-63页 |
| 3.4.2 多通道心电信号压缩感知方法 | 第63-65页 |
| 3.5 实验结果与分析 | 第65-77页 |
| 3.5.1 基于“分—合”式字典学习的心电信号压缩感知实验 | 第65-70页 |
| 3.5.2 基于时空稀疏模型的多通道心电信号压缩感知实验 | 第70-77页 |
| 3.6 本章小结 | 第77-78页 |
| 第4章 心电信号特征提取与半监督学习自动分类 | 第78-101页 |
| 4.1 引言 | 第78-79页 |
| 4.2 基于改进的主成分分析法的心电信号特征提取 | 第79-83页 |
| 4.2.1 小波变换特征提取法 | 第79-80页 |
| 4.2.2 主成分分析特征提取法 | 第80-82页 |
| 4.2.3 改进的主成分分析特征提取法 | 第82-83页 |
| 4.3 基于最小二乘支持向量机半监督学习的心电信号分类 | 第83-87页 |
| 4.3.1 支持向量机 | 第83-84页 |
| 4.3.2 最小二乘支持向量机 | 第84-85页 |
| 4.3.3 基于最小二乘支持向量机半监督学习的心电信号分类方法 | 第85-87页 |
| 4.4 心电信号的直接特征提取与分类方法 | 第87-88页 |
| 4.5 实验结果与分析 | 第88-99页 |
| 4.5.1 实验设置 | 第88-90页 |
| 4.5.2 心电信号特征提取实验 | 第90-94页 |
| 4.5.3 心电信号分类实验 | 第94-98页 |
| 4.5.4 心电信号直接特征提取与分类实验 | 第98-99页 |
| 4.6 本章小结 | 第99-101页 |
| 第5章 实验研究 | 第101-110页 |
| 5.1 引言 | 第101页 |
| 5.2 实验数据 | 第101-102页 |
| 5.3 实验结果与分析 | 第102-109页 |
| 5.3.1 预处理 | 第102-105页 |
| 5.3.2 QRS特征波检测 | 第105-106页 |
| 5.3.3 压缩与重构 | 第106-108页 |
| 5.3.4 特征提取与分类 | 第108-109页 |
| 5.4 本章小结 | 第109-110页 |
| 第6章 结论与展望 | 第110-113页 |
| 6.1 结论 | 第110-111页 |
| 6.2 进一步工作的方向 | 第111-113页 |
| 致谢 | 第113-114页 |
| 参考文献 | 第114-127页 |
| 攻读学位期间的研究成果 | 第127页 |
