| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-14页 |
| 1.2 智能穿戴系统 | 第14-19页 |
| 1.2.1 研究现状 | 第14-15页 |
| 1.2.2 关键技术 | 第15-18页 |
| 1.2.3 存在的问题与研究方向 | 第18-19页 |
| 1.3 论文的内容、结构、目的及意义 | 第19-22页 |
| 1.3.1 研究课题介绍 | 第19页 |
| 1.3.2 研究内容和组织结构 | 第19-21页 |
| 1.3.3 目的及意义 | 第21-22页 |
| 第二章 穿戴式信号测量系统 | 第22-40页 |
| 2.1 智能织物材料和传感器集成技术 | 第22-24页 |
| 2.2 穿戴式健康信号采集系统设计 | 第24-34页 |
| 2.2.1 系统结构 | 第25页 |
| 2.2.2 穿戴系统节点 | 第25-27页 |
| 2.2.3 导电织物性能 | 第27-29页 |
| 2.2.4 织物心电电极 | 第29-30页 |
| 2.2.5 环形织物总线 | 第30-33页 |
| 2.2.6 穿戴系统样机 | 第33-34页 |
| 2.3 单点低功耗心电节点 | 第34-39页 |
| 2.3.1 节点设计 | 第35-36页 |
| 2.3.2 双时钟工作模式 | 第36页 |
| 2.3.3 心电压缩感知算法 | 第36-37页 |
| 2.3.4 低功耗心电节点原型 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 能量有效的心电动态压缩算法 | 第40-52页 |
| 3.1 动态压缩算法研究背景 | 第40-41页 |
| 3.2 动态压缩算法框架 | 第41-45页 |
| 3.2.1 积分-发放模型 | 第41-44页 |
| 3.2.2 无损编码器 | 第44-45页 |
| 3.2.3 算法实现 | 第45页 |
| 3.3 实验和结果讨论 | 第45-51页 |
| 3.3.1 实验设置和评价指标 | 第45-47页 |
| 3.3.2 压缩效果评估 | 第47-48页 |
| 3.3.3 能耗评估 | 第48-50页 |
| 3.3.4 性能比较 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于压缩感知的体征数据压缩技术 | 第52-76页 |
| 4.1 压缩感知理论 | 第52-56页 |
| 4.1.1 信号的稀疏表示 | 第54页 |
| 4.1.2 编码压缩 | 第54-55页 |
| 4.1.3 信号重构 | 第55页 |
| 4.1.4 压缩感知编码结构 | 第55-56页 |
| 4.2 心电压缩感知 | 第56-69页 |
| 4.2.1 信息增强稀疏二值矩阵 | 第57-62页 |
| 4.2.2 先验块稀疏贝叶斯学习算法 | 第62-69页 |
| 4.3 脉搏压缩感知 | 第69-75页 |
| 4.3.1 脉搏压缩感知框架 | 第69-70页 |
| 4.3.2 脉搏信号稀疏性 | 第70-71页 |
| 4.3.3 测量矩阵设计 | 第71-72页 |
| 4.3.4 实验结果 | 第72-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 基于无监督特征提取和深度结构模型自动心拍分类 | 第76-94页 |
| 5.1 自动心拍分类研究 | 第76-77页 |
| 5.2 无监督特征提取和深度结构模型 | 第77-89页 |
| 5.2.1 心电信号数据源 | 第78-81页 |
| 5.2.2 改进频率小波切片变换 | 第81-86页 |
| 5.2.3 层叠降噪自编码器 | 第86-88页 |
| 5.2.4 模型训练和评估 | 第88-89页 |
| 5.3 实验结果和讨论 | 第89-93页 |
| 5.4 本章小结 | 第93-94页 |
| 第六章 总结和展望 | 第94-98页 |
| 6.1 总结 | 第94-95页 |
| 6.2 论文创新点 | 第95-96页 |
| 6.3 展望 | 第96-98页 |
| 致谢 | 第98-100页 |
| 参考文献 | 第100-114页 |
| 攻读博士学位期间的学术成果 | 第114页 |