| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文主要研究工作 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 胎动检测软硬件基础 | 第16-23页 |
| 2.1 加速度传感器 | 第16-17页 |
| 2.1.1 MEMS加速度传感器 | 第16页 |
| 2.1.2 电容式三轴加速度传感器 | 第16-17页 |
| 2.2 数据采集平台 | 第17-22页 |
| 2.2.1 数据采集单元 | 第19-20页 |
| 2.2.2 微控制处理器 | 第20-21页 |
| 2.2.3 蓝牙通信模块 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于时频分布对胎动信号特征分析 | 第23-35页 |
| 3.1 时频分析方法 | 第23-26页 |
| 3.1.1 线性时频分析方法 | 第23-24页 |
| 3.1.2 二次时频分析方法 | 第24-26页 |
| 3.2 胎动信号时频分析方法 | 第26-30页 |
| 3.2.1 Wigner-Ville分布的交叉干扰项 | 第26-28页 |
| 3.2.2 改进的B分布 | 第28-30页 |
| 3.3 胎动信号特征 | 第30-34页 |
| 3.3.1 胎动信号时频分布 | 第30-31页 |
| 3.3.2 母体的干扰信号 | 第31-33页 |
| 3.3.3 胎动信号特点 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 胎动信号识别 | 第35-52页 |
| 4.1 传感器通道选择分析 | 第35-38页 |
| 4.2 胎动信号预处理 | 第38-45页 |
| 4.2.1 滤波器的实现 | 第39-41页 |
| 4.2.2 小波去噪 | 第41-45页 |
| 4.3 神经网络的胎动信号识别 | 第45-50页 |
| 4.3.1 BP神经网络 | 第45-48页 |
| 4.3.2 胎动信号归一化处理 | 第48-49页 |
| 4.3.3 BP神经网络识别 | 第49-50页 |
| 4.4 结果与讨论 | 第50-51页 |
| 4.4.1 网络识别结果 | 第50页 |
| 4.4.2 讨论分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 Android智能监护端实现 | 第52-58页 |
| 5.1 Android系统简介 | 第52-54页 |
| 5.1.1 Android系统架构 | 第52-53页 |
| 5.1.2 Android核心组件 | 第53页 |
| 5.1.3 Android开发平台 | 第53-54页 |
| 5.2 智能监护客户端实现 | 第54-57页 |
| 5.2.1 BLE蓝牙通讯及数据保存实现 | 第55-56页 |
| 5.2.2 基于Android的神经网络实现 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65页 |