| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-21页 |
| 1．1 引言 | 第9-10页 |
| 1．2 心电图概述 | 第10-12页 |
| 1．2．1 典型的正常心电图波形 | 第10-11页 |
| 1．2．2 心电图产生原理 | 第11-12页 |
| 1．3 心律失常与室性早搏 | 第12-14页 |
| 1．4 计算机辅助ECG自动分析概述 | 第14-19页 |
| 1．4．1 计算机辅助ECG自动分析研究的发展和意义 | 第14页 |
| 1．4．2 ECG自动分析技术的研究现状 | 第14-19页 |
| 1．4．3 ECG自动分析研究的难点 | 第19页 |
| 1．5 本文主要内容及章节安排 | 第19-21页 |
| 第二章 小波变换基本理论 | 第21-31页 |
| 2．1 小波变换的定义 | 第21-24页 |
| 2．1．1 连续小波基函数 | 第21-23页 |
| 2．1．2 连续小波变换 | 第23页 |
| 2．1．3 离散小波变换 | 第23-24页 |
| 2．2 多分辨率分析和正交小波变换 | 第24-28页 |
| 2．2．1 多分辨率分析 | 第24-25页 |
| 2．2．2 二尺度方程及多分辨率滤波器组 | 第25-26页 |
| 2．2．3 正交小波变换及其快速算法 | 第26-27页 |
| 2．2．4 离散序列的多分辨率分析与正交小波变换 | 第27-28页 |
| 2．3 小波变换的信号奇异性检测理论 | 第28-30页 |
| 2．3．1 离散二进小波变换 | 第28-29页 |
| 2．3．2 小波变化模极值(或过零)点与信号突变点的关系 | 第29页 |
| 2．3．3 用小波变换模极大值的变化规律表征信号的奇异性 | 第29-30页 |
| 2．4 小结 | 第30-31页 |
| 第三章 ECG滤波预处理 | 第31-41页 |
| 3．1 ECG信号的能量谱分析及其噪声特点 | 第31-32页 |
| 3．2 基于小波变换的自适应滤波方法 | 第32-40页 |
| 3．2．1 自适应滤波理论 | 第32-34页 |
| 3．2．2 滤波方法思路 | 第34-35页 |
| 3．2．3 实验仿真与结果分析 | 第35-40页 |
| 3．3 小结 | 第40-41页 |
| 第四章 ECG波形检测 | 第41-53页 |
| 4．1 R波检测 | 第41-51页 |
| 4．1．1 小波基函数的选择及ECG信号的二进小波变换 | 第41-45页 |
| 4．1．2 R波检测原理 | 第45-47页 |
| 4．1．3 R波检测过程及算法流程 | 第47-49页 |
| 4．1．4 R波检测实验与结果分析 | 第49-51页 |
| 4．2 ORS波起、止点及P、T波的检测 | 第51-52页 |
| 4．3 小结 | 第52-53页 |
| 第五章 基于模糊神经网络的PVC自动识别 | 第53-68页 |
| 5．1 基本理论简介 | 第53-57页 |
| 5．1．1 人工神经网络 | 第53-54页 |
| 5．1．2 模糊技术 | 第54-55页 |
| 5．1．3 模糊理论与神经网络的结合 | 第55-57页 |
| 5．2 模糊技术与神经网络理论在PVC自动识别中的应用 | 第57-58页 |
| 5．3 基于模糊神经网络的PVC自动识别 | 第58-67页 |
| 5．3．1 ECG信号特征参数的选取 | 第58页 |
| 5．3．2 模糊神经网络的模型结构 | 第58-62页 |
| 5．3．3 网络学习算法及其改进措施 | 第62-64页 |
| 5．3．4 实验及结果分析 | 第64-67页 |
| 5．4 小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6．1 课题总结 | 第68页 |
| 6．2 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间所发表的论文 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |
