| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·心室晚电位的概念及研究意义 | 第7-9页 |
| ·心室晚电位概念及产生病理生理基础 | 第7-8页 |
| ·本课题研究意义 | 第8-9页 |
| ·心室晚电位识别方法研究现状 | 第9-12页 |
| ·时频分析 | 第9-10页 |
| ·小波方法 | 第10-11页 |
| ·人工神经网络检测 | 第11页 |
| ·自适应信号处理法 | 第11-12页 |
| ·本文的研究目的和主要研究内容 | 第12-13页 |
| 2 小波变换在心电信号R 波检测中的应用 | 第13-25页 |
| ·引言 | 第13页 |
| ·小波变换用于表征信号的突变特征 | 第13-18页 |
| ·小波分析的奇异性检测原理 | 第14-16页 |
| ·小波变换模值与奇异性关系 | 第16-18页 |
| ·ECG 信号R 波的小波变换检测 | 第18-25页 |
| ·R 波检测的小波滤波器选择 | 第18-19页 |
| ·小波检测R 波算法与实例 | 第19-25页 |
| 3 独立分量分析的基本原理和典型算法 | 第25-38页 |
| ·引言 | 第25-28页 |
| ·独立分量分析与盲源分离 | 第25-27页 |
| ·独立分量分析定义及线形模型 | 第27-28页 |
| ·独立分量分析的算法实现 | 第28-29页 |
| ·引言 | 第28页 |
| ·数据的中心化(去均值) | 第28页 |
| ·白化处理 | 第28-29页 |
| ·非高斯性与独立统计 | 第29-34页 |
| ·目标函数 | 第31页 |
| ·峭度(kurtosis) | 第31-32页 |
| ·负熵及负熵的近似 | 第32-34页 |
| ·ICA 优化算法—FastICA 算法 | 第34-38页 |
| 4 基于小波变换和独立分量分析的VLP 特征识别 | 第38-53页 |
| ·基本思想 | 第38页 |
| ·小波变换在心室晚电位信号分析中的应用 | 第38-47页 |
| ·连续小波变换定义及其特性 | 第38-42页 |
| ·多分辨率分析 | 第42-44页 |
| ·双尺度方程分析 | 第44-45页 |
| ·正交MRA 的物理意义与Mallat 算法 | 第45-46页 |
| ·基小波的选择 | 第46-47页 |
| ·小波信号用于心电信号的消噪处理 | 第47-48页 |
| ·结合ICA 和WT(WICA)方法的VLP 特征识别 | 第48页 |
| ·实验结果和讨论 | 第48-53页 |
| 5 全文总结和展望 | 第53-55页 |
| ·全文总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59页 |