可穿戴式远程医疗系统用户端心电信号的实时检测
摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
1 绪论 | 第9-13页 |
·课题背景 | 第9-10页 |
·国内外研究现状 | 第10-11页 |
·课题研究目的和研究内容 | 第11-13页 |
·课题研究目的 | 第11-12页 |
·课题研究内容 | 第12-13页 |
2 软件算法实现平台 | 第13-21页 |
·TMS320VC5509DSP 处理器简介 | 第14-15页 |
·DSP 处理器的软件开发方法 | 第15-16页 |
·DSP 处理器软件开发环境 | 第15-16页 |
·DSP 处理器软件开发步骤 | 第16页 |
·DSP 与ARM 处理器的数据交换方式 | 第16-17页 |
·使用DSP 处理器的合理性 | 第17-18页 |
·DSP 处理器算法的优化 | 第18-20页 |
·使用DSP 特殊指令进行并行处理 | 第19页 |
·使用DSP 独特的寻址方式 | 第19页 |
·尽量避免内存访问冲突 | 第19-20页 |
·小结 | 第20-21页 |
3 ECG 信号的预处理 | 第21-31页 |
·心电信号基础 | 第21-24页 |
·心电信号的产生 | 第21-22页 |
·心电图的主要参数 | 第22-24页 |
·心电信号的噪声来源 | 第24页 |
·心电信号的噪声消除 | 第24-30页 |
·心电信号消噪方法研究 | 第25-27页 |
·心电信号预处理算法设计 | 第27页 |
·实验结果与分析 | 第27-30页 |
·小结 | 第30-31页 |
4 心电信号检测算法 | 第31-53页 |
·心电信号检测算法概述 | 第31-35页 |
·基于滤波和阈值检测的方法 | 第31-32页 |
·基于模板匹配的检测方法 | 第32页 |
·数学形态学方法 | 第32-33页 |
·基于人工神经网络的模式识别 | 第33-34页 |
·基于小波变换的检测方法 | 第34-35页 |
·小波变换原理 | 第35-41页 |
·连续小波变换 | 第35-37页 |
·离散小波变换 | 第37-38页 |
·Mallat 快速算法 | 第38页 |
·多分辨率分析 | 第38-39页 |
·常用小波函数 | 第39-41页 |
·ECG 信号R 波检测算法的设计 | 第41-44页 |
·小波函数的选择 | 第41页 |
·尺度选择 | 第41-42页 |
·ECG 信号R 波检测算法流程 | 第42-44页 |
·P 波的检测算法 | 第44-46页 |
·ECG 信号检测算法在DSP 上的实现 | 第46页 |
·实验结果与讨论 | 第46-52页 |
·R 波检测实验结果与讨论 | 第46-51页 |
·P 波检测实验结果与讨论 | 第51-52页 |
·小结 | 第52-53页 |
5 心律失常自动分析技术的研究 | 第53-57页 |
·心律失常归类 | 第53-55页 |
·心律失常的自动识别 | 第55页 |
·算法流程 | 第55-56页 |
·小结 | 第56-57页 |
6 ECG 检测算法的实时性测试 | 第57-59页 |
·DSP 算法性能的测试方法 | 第57页 |
·测试结果 | 第57-59页 |
7 结论与展望 | 第59-61页 |
·结论 | 第59页 |
·展望 | 第59-61页 |
致谢 | 第61-62页 |
参考文献 | 第62-64页 |
附录 | 第64-66页 |
作者在攻读学位期间发表的论文目录 | 第64-66页 |