首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

基于手指心电信号时频域分析的身份识别算法研究

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第12-21页
    1.1 本文研究背景和意义第12-16页
    1.2 心电身份识别技术研究发展现状第16-19页
        1.2.1 心电采集方式发展现状第16-17页
        1.2.2 手指心电身份识别算法发展现状第17-19页
    1.3 研究内容及安排第19-21页
第2章 心电信号识别理论基础第21-29页
    2.1 心电信号产生机理第21页
    2.2 心电信号测量方法第21-23页
        2.2.1 临床ECG测量方法第22页
        2.2.2 手指ECG采集方法第22-23页
    2.3 心电信号特性第23-26页
        2.3.1 心电信号时域波形第23-24页
        2.3.2 不同位置的心电信号特性第24-26页
    2.4 手指心电可行性第26-27页
    2.5 心电识别系统性能指标第27页
    2.6 手指心电信号数据来源第27-28页
    2.7 本章小结第28-29页
第3章 手指心电信号预处理第29-44页
    3.1 手指心电信号预处理流程第29页
    3.2 手指心电信号去噪第29-40页
        3.2.1 小波变换第30-32页
        3.2.2 小波阈值消噪第32-33页
        3.2.3 遗传算法第33-35页
        3.2.4 基于GA的小波阈值手指心电信号去噪第35-37页
        3.2.5 手指心电信号信号消噪实验第37-40页
    3.3 R峰检测第40-42页
    3.4 手指心电信号分割和归一化第42-43页
    3.5 本章小结第43-44页
第4章 基于广S变换和ZM交叉解析的手指心电信号身份识别算法第44-66页
    4.1 S变换第44-47页
        4.1.1 小波变换到S变换第45页
        4.1.2 短时傅里叶变换到S变换第45-47页
    4.2 广义S变换第47-51页
        4.2.1 广义S变换的推导第47-48页
        4.2.2 离散广义S变换第48页
        4.2.3 广义S变换窗函数的参数改变第48-50页
        4.2.4 广义S变换与其他时频变换仿真比较第50-51页
    4.3 奇异值分解第51-52页
        4.3.1 奇异值分解的定义第52页
        4.3.2 奇异值分解的性质第52页
    4.4 ZM交叉解析分类器第52-56页
        4.4.1 ZM交叉解析算法第52-54页
        4.4.2 估计相对熵的公式推导第54-56页
    4.5 基于广义S变换和ZM交叉解析的手指心电特征提取算法第56-61页
        4.5.1 算法框架第56-57页
        4.5.2 手指心电信号特征提取第57-60页
        4.5.3 分类识别第60-61页
    4.6 结果与讨论第61-65页
        4.6.1 不同训练时间对身份识别的影响第62页
        4.6.2 参数? 和p对身份识别率的影响第62-63页
        4.6.3 奇异值个数对身份识别的影响第63页
        4.6.4 奇异值量化位数选择第63-64页
        4.6.5 不同分类器识别结果比较第64-65页
    4.7 总结第65-66页
第5章 手指心电身份识别系统设计与实现第66-73页
    5.1 手指心电身份识别系统采集装置第66-67页
    5.2 手指心电身份识别软件总体结构第67页
    5.3 蓝牙连接第67-70页
    5.4 用户注册第70页
    5.5 系统管理第70-71页
    5.6 用户识别第71-72页
    5.7 本章小结第72-73页
第6章 总结和展望第73-75页
    6.1 工作总结第73-74页
    6.2 今后工作展望第74-75页
致谢第75-76页
参考文献第76-80页
附录 作者在读期间发表的学术论文及参加的科研项目第80页

论文共80页,点击 下载论文
上一篇:面向视频人脸检测的深度学习算法研究
下一篇:群聊话题检测技术研究