摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景与意义 | 第10-11页 |
1.2 基于HRV识别压力的可行性 | 第11-13页 |
1.2.1 HRV的概念和生理意义 | 第11-12页 |
1.2.2 压力的反应机理 | 第12-13页 |
1.2.3 通过HRV识别压力 | 第13页 |
1.3 心理压力识别的研究现状 | 第13-15页 |
1.3.1 基于生理信号压力识别研究现状 | 第14页 |
1.3.2 基于心率变异性的压力识别研究现状 | 第14-15页 |
1.4 本文研究内容 | 第15-17页 |
第二章 压力诱发与心电信号采集 | 第17-30页 |
2.1 实验方案设计 | 第17-19页 |
2.1.1 实验设计思路 | 第17-18页 |
2.1.2 实验对象 | 第18页 |
2.1.3 实验设备与平台 | 第18-19页 |
2.2 压力诱发方案设计 | 第19-22页 |
2.2.1 压力的诱发方法 | 第19-20页 |
2.2.2 压力的标签判定 | 第20-22页 |
2.3 心电信号采集与处理 | 第22-29页 |
2.3.1 数据采集流程 | 第22页 |
2.3.2 噪声信号种类与去噪方法选择 | 第22-24页 |
2.3.3 小波阈值去噪 | 第24-27页 |
2.3.4 基于小波变换的R波检测 | 第27-29页 |
2.4 本章小结 | 第29-30页 |
第三章 HRV特征值的提取 | 第30-38页 |
3.1 HRV分析方法与特征选取 | 第30-31页 |
3.2 时域特征值的提取 | 第31-33页 |
3.2.1 HRV时域分析方法 | 第31页 |
3.2.2 HRV统计学指标 | 第31-33页 |
3.3 频域特征值的提取 | 第33-35页 |
3.3.1 HRV频域分析方法 | 第33-34页 |
3.3.2 基于Lomb-Scargle周期图的HRV频域特征提取 | 第34-35页 |
3.4 非线性特征值的提取 | 第35-37页 |
3.4.1 HRV非线性分析方法 | 第35-36页 |
3.4.2 HRV的Poincare散点图量化特征提取 | 第36-37页 |
3.5 本章小结 | 第37-38页 |
第四章 HRV的压力识别模型 | 第38-47页 |
4.1 基于随机森林的压力识别 | 第38-40页 |
4.1.1 Bagging算法 | 第38-39页 |
4.1.2 随机森林 | 第39页 |
4.1.3 基于随机森林的压力识别模型 | 第39-40页 |
4.2 HRV特征值的压力识别权重分析 | 第40-42页 |
4.2.1 随机森林的特征重要性度量方法 | 第40-41页 |
4.2.2 HRV的特征权重分析 | 第41-42页 |
4.3 模型识别效果评价 | 第42-46页 |
4.3.1 准确率与ROC曲线评价方法描述 | 第42-43页 |
4.3.2 模型ROC曲线与分类准确率分析 | 第43-46页 |
4.4 本章小结 | 第46-47页 |
第五章 总结和展望 | 第47-49页 |
5.1 总结 | 第47页 |
5.2 展望 | 第47-49页 |
参考文献 | 第49-53页 |
发表论文和科研情况说明 | 第53-54页 |
致谢 | 第54-55页 |