| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 1 绪论 | 第13-27页 |
| ·远程心电监护系统 | 第13-18页 |
| ·远程心电监护的意义 | 第13-14页 |
| ·远程心电监护系统的主要类型 | 第14-17页 |
| ·远程心电监护系统急待解决的关键问题 | 第17-18页 |
| ·心电信号自动分析的研究内容 | 第18-25页 |
| ·心电信号的预处理 | 第18-20页 |
| ·波形检测及心电信息的特征提取 | 第20-24页 |
| ·心电信号模式诊断及心脏疾病的自动诊断 | 第24-25页 |
| ·本文的研究内容 | 第25-27页 |
| ·课题来源及本文研究目的 | 第25-26页 |
| ·本文的主要研究内容 | 第26-27页 |
| 2 心电信号自动分析的理论和方法 | 第27-59页 |
| ·基于数字信号处理的心电信号分析 | 第27-43页 |
| ·心电信号的数字滤波 | 第27-31页 |
| ·心电信号的频域分析 | 第31-34页 |
| ·时频分析 | 第34-36页 |
| ·小波分析 | 第36-43页 |
| ·心电信号波形检测的经典方法-差分阈值法 | 第43-45页 |
| ·基于计算智能方法的心电信号分析 | 第45-54页 |
| ·模糊推理与模糊模式识别 | 第45-47页 |
| ·神经网络 | 第47-52页 |
| ·遗传算法 | 第52-54页 |
| ·其它心电信号分析方法 | 第54-56页 |
| ·数学形态学 | 第54-55页 |
| ·句法分析 | 第55-56页 |
| ·非线性动力学分析 | 第56页 |
| ·本章小结 | 第56-59页 |
| 3 移动心电监护系统ECG信号的实时检测算法研究 | 第59-79页 |
| ·引言 | 第59-60页 |
| ·滤波器的设计 | 第60-65页 |
| ·动态ECG信号的波形检测 | 第65-71页 |
| ·R波的检测 | 第65-70页 |
| ·Q波、S波的检测 | 第70-71页 |
| ·自适应、自学习检测阈值的设计 | 第71页 |
| ·动态ECG信号心律失常的实时检测 | 第71-78页 |
| ·典型心律失常的分类决策规则 | 第71-73页 |
| ·试验结果与分析 | 第73-78页 |
| ·本章小结 | 第78-79页 |
| 4 基于粗糙集理论的多域心电信息的特征提取方法研究 | 第79-111页 |
| ·引言 | 第79-81页 |
| ·粗糙基理论及方法 | 第81-86页 |
| ·粗糙集理论的基本概念 | 第81-83页 |
| ·知识表达系统 | 第83-84页 |
| ·数据约简 | 第84-86页 |
| ·基于粗糙集理论的ECG多域特征信息的提取 | 第86-110页 |
| ·数据的获取与预处理 | 第86-87页 |
| ·ECG信号的时域特征提取 | 第87-97页 |
| ·ECG信号的频域特征信息的提取 | 第97-101页 |
| ·ECG信号的小波域特征信息的提取 | 第101-110页 |
| ·本章小结 | 第110-111页 |
| 5 基于SVM的心电信号分类方法研究 | 第111-125页 |
| ·几种心电信号模式分类方法的比较 | 第111-112页 |
| ·基于支持向量机的模式分类算法 | 第112-117页 |
| ·统计学习理论的主要内容 | 第112-113页 |
| ·模式分类的最优超平面 | 第113-115页 |
| ·支持向量机 | 第115-116页 |
| ·内积函数的选取 | 第116-117页 |
| ·基于SVM的心电信号分类 | 第117-120页 |
| ·SVM用于多元分类的主要方法 | 第117页 |
| ·SVM心电信号分类器的构成 | 第117-119页 |
| ·基于SVM的心律失常识别算法 | 第119-120页 |
| ·试验及结果分析 | 第120-123页 |
| ·参数设置对SVM分类器性能影响的测试 | 第120-122页 |
| ·SVM、BPNN、RBFNN心电信号分类器的对比分析及测试 | 第122-123页 |
| ·本章小节 | 第123-125页 |
| 6 移动心电监护系统ECG信号智能诊断系统的实现 | 第125-131页 |
| ·移动ECG信号智能诊断系统网络构架 | 第125-126页 |
| ·移动ECG信号智能诊断的软件系统 | 第126-129页 |
| ·软件系统的总体设计 | 第126页 |
| ·软件系统实现的功能 | 第126-129页 |
| ·本章小结 | 第129-131页 |
| 7 全文总结及研究展望 | 第131-135页 |
| ·本文的主要结论 | 第131-132页 |
| ·研究展望 | 第132-135页 |
| 致 谢 | 第135-137页 |
| 参考文献 | 第137-145页 |
| 附 录 | 第145页 |