首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化技术在各方面的应用论文

基于小波包理论的心电信号分析方法研究及实现

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-17页
   ·课题研究的目的与意义第10页
   ·心电学基础理论第10-14页
   ·研究现状第14-16页
   ·本文主要研究内容第16-17页
第2章 心电信号的预处理第17-33页
   ·几种常用的心电信号滤波方法第17-19页
   ·小波变换滤波第19-25页
     ·小波概述第19-21页
     ·小波滤波的原理与特性第21-23页
     ·小波变换的多尺度系数第23页
     ·小波变换滤波的基本步骤第23-24页
     ·小波变换滤波仿真实验第24-25页
   ·小波包变换滤波第25-32页
     ·小波包变换基本理论第25-27页
     ·心电信号的小波包滤波第27-28页
     ·小波包变换滤波仿真实验第28-29页
     ·滤波效果对比评价第29-32页
   ·本章小结第32-33页
第3章心电信号的特征提取第33-48页
   ·基于小波包的R 波检测第34-41页
     ·基于小波包变换的信号奇异点检测第34-36页
     ·R 波检测特征尺度的选择第36-37页
     ·R 波检测具体步骤第37-38页
     ·仿真实验第38-40页
     ·仿真实验对比第40页
     ·R 波检测结果分析第40-41页
   ·利用导数识别其他波形第41-44页
     ·Q、S 波形检测第41-43页
     ·Q 波起点的确定第43-44页
     ·S 波终点的确定第44页
   ·相对小波包能量特征第44-47页
   ·本章小结第47-48页
第4章 心电信号的分类方法研究第48-64页
   ·几种常用的心电信号分类方法第48-57页
     ·贝叶斯分类器第48-49页
     ·模式聚类分类方法第49-50页
     ·BP 神经网络分类方法第50-53页
     ·支持向量机分类方法第53-57页
   ·ECG 在不同分类器下的性能评价第57-62页
     ·基于相对小波包能量的BP 神经网络分类器第57-59页
     ·基于相对小波包能量的SVM 分类器第59-62页
   ·本章小结第62-64页
结论第64-66页
参考文献第66-72页
攻读硕士学位期间承担的科研任务与主要成果第72-73页
致谢第73-74页
作者简介第74页

论文共74页,点击 下载论文
上一篇:基于ARM的光纤Bragg光栅传感信号解调方法研究
下一篇:基于ARM处理器的汽车智能防盗系统的应用研究