| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 光电容积脉搏波理论及信号采集系统设计 | 第15-21页 |
| 2.1 光电容积脉搏波检测原理 | 第15-16页 |
| 2.2 光电容积脉搏波信号特点及生理意义 | 第16-17页 |
| 2.3 基于ADS1292的脉搏波无线采集设备设计 | 第17-20页 |
| 2.3.1 光电采集模块 | 第17页 |
| 2.3.2 模数转换模块 | 第17-18页 |
| 2.3.3 无线信号传输模块 | 第18页 |
| 2.3.4 脉搏波采集系统及效果展示 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 脉搏信号预处理及特征提取 | 第21-33页 |
| 3.1 脉搏信号预处理 | 第21-24页 |
| 3.1.1 巴特沃兹数字滤波器原理 | 第21-22页 |
| 3.1.2 数字滤波提取脉搏波信号 | 第22-24页 |
| 3.2 脉搏信号分析方法 | 第24页 |
| 3.3 脉搏信号时域特征提取 | 第24-27页 |
| 3.3.1 基于阈值选择的脉搏波时域特征提取 | 第24-26页 |
| 3.3.2 基于阈值选择的脉搏波一阶差分时域特征提取 | 第26-27页 |
| 3.3.3 时域特征点检测结果 | 第27页 |
| 3.4 脉搏信号频域特征提取 | 第27-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 正负样本采集及特征选择 | 第33-43页 |
| 4.1 疲劳实验设计及正负样本采集 | 第33-35页 |
| 4.2 基于改进的SVM-RFE算法进行特征选择 | 第35-39页 |
| 4.2.1 特征选择基本框架及原理 | 第35-37页 |
| 4.2.2 SVM-RFE特征选择算法简介 | 第37页 |
| 4.2.3 改进的SVM-RFE特征选择算法 | 第37-39页 |
| 4.3 特征选择过程及效果验证 | 第39-42页 |
| 4.3.1 特征选择过程 | 第40-41页 |
| 4.3.2 特征选择效果验证 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于PPG的疲劳检测与疲劳预警 | 第43-63页 |
| 5.1 疲劳检测算法 | 第43-48页 |
| 5.1.1 支持向量机 | 第43-45页 |
| 5.1.2 神经网络 | 第45-48页 |
| 5.2 基于PPG信号的单个体疲劳检测 | 第48-51页 |
| 5.3 基于PPG信号的多个体疲劳检测 | 第51-57页 |
| 5.3.1 基于支持向量机多个体疲劳检测 | 第51-55页 |
| 5.3.2 基于BP神经网络的多个体疲劳检测 | 第55-57页 |
| 5.4 基于BP神经网络的疲劳预警 | 第57-59页 |
| 5.5 疲劳检测系统 | 第59-60页 |
| 5.5.1 疲劳检测系统软件框架 | 第59页 |
| 5.5.2 疲劳检测系统演示 | 第59-60页 |
| 5.6 本章小结 | 第60-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63页 |
| 6.2 存在问题及展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |