| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第10-20页 |
| 1．1 生物特征识别技术概述 | 第10-11页 |
| 1．2 常用的生物识别方法简介 | 第11-14页 |
| 1．3 ECG信号用于身份鉴别的研究现状 | 第14-17页 |
| 1．4 生物特征识别技术存在的问题 | 第17-18页 |
| 1．5 生物特征识别技术发展方向 | 第18-19页 |
| 1．6 本论文的主要研究内容 | 第19-20页 |
| 2 基于小波变换的ECG信号的滤波 | 第20-35页 |
| 2．1 概述 | 第20-21页 |
| 2．2 常用滤波方法比较 | 第21-22页 |
| 2．3 小波变换的基本理论 | 第22-28页 |
| 2．3．1 连续小波变换 | 第22-23页 |
| 2．3．2 离散小波变换 | 第23-24页 |
| 2．3．3 二进小波变换 | 第24页 |
| 2．3．4 多分辨率分析和Mallat算法 | 第24-26页 |
| 2．3．5 Mallat算法和多采样数字滤波器组 | 第26-28页 |
| 2．4 基于小波变换的消噪方法 | 第28-32页 |
| 2．4．1 小波函数的选取 | 第28-29页 |
| 2．4．2 小波分解尺度和测量尺度的选择 | 第29-30页 |
| 2．4．3 阈值的处理方法 | 第30-31页 |
| 2．4．4 算法的改进 | 第31-32页 |
| 2．5 滤波结果 | 第32-34页 |
| 2．6 小结 | 第34-35页 |
| 3 心电信号的特征提取 | 第35-43页 |
| 3．1 心电图基础知识 | 第35-36页 |
| 3．2 常用QRS波检测方法 | 第36-38页 |
| 3．2．1 QRS波的硬件检测 | 第36-37页 |
| 3．2．2 QRS波软件检测 | 第37-38页 |
| 3．3 心电信号的检测算法 | 第38-41页 |
| 3．3．1 QRS波位置的检测 | 第38-40页 |
| 3．3．2 P波和T波的检测 | 第40-41页 |
| 3．4 信号的采集 | 第41-42页 |
| 3．5 检测结果 | 第42页 |
| 3．6 小结 | 第42-43页 |
| 4 人工神经网络及其在模式识别中的应用 | 第43-53页 |
| 4．1 人工神经网络概述 | 第43-44页 |
| 4．2 人工神经网络的发展史 | 第44-46页 |
| 4．3 人工神经网络模型 | 第46-48页 |
| 4．4 人工神经网络模型的分类 | 第48-49页 |
| 4．5 神经网络在模式识别中的应用 | 第49-52页 |
| 4．5．1 模式识别概述 | 第49-50页 |
| 4．5．2 神经网络模式识别 | 第50-51页 |
| 4．5．3 神经网络在心电信号识别中的应用概况 | 第51-52页 |
| 4．6 本章小结 | 第52-53页 |
| 5 基于神经网络的身份识别技术 | 第53-67页 |
| 5．1 BP网络及其学习算法 | 第53-58页 |
| 5．1．1 网络模型 | 第53-54页 |
| 5．1．2 BP学习算法 | 第54-57页 |
| 5．1．3 标准BP算法的改进 | 第57-58页 |
| 5．2 径向基函数网络(RBFN) | 第58-64页 |
| 5．2．1 径向基函数 | 第59-60页 |
| 5．2．2 径向基函数(RBF)网络结构 | 第60-61页 |
| 5．2．3 RBF网络的训练 | 第61-64页 |
| 5．2．4 数据预处理 | 第64页 |
| 5．3 基于神经网络的身份识别 | 第64-65页 |
| 5．3．1 基于BP神经网络的身份识别结果 | 第64-65页 |
| 5．3．2 基于改进的RBF神经网络的身份识别结果 | 第65页 |
| 5．4 小结 | 第65-67页 |
| 6 总结与展望 | 第67-69页 |
| 6．1 工作总结 | 第67-68页 |
| 6．2 今后的工作方向 | 第68-69页 |
| 附录 | 第69-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78-79页 |
| 附件二: 学位论文评阅及答辩情况表 | 第79页 |