| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.0 概述 | 第11-12页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.1.1 通信信号研究的背景及意义 | 第12-13页 |
| 1.1.2 生物医学信号研究的背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.2.1 通信信号调制识别国内外研究现状 | 第14-15页 |
| 1.2.2 血压测量方法的分析与发展 | 第15页 |
| 1.3 本文的主要工作和创新点 | 第15-16页 |
| 1.4 本文主要内容和结构安排 | 第16-17页 |
| 第二章 通信信号调制原理 | 第17-29页 |
| 2.1 通信信号调制方式识别方法的发展 | 第17页 |
| 2.2 模拟调制信号 | 第17-22页 |
| 2.2.1 幅度调制原理 | 第18-20页 |
| 2.2.2 角度调制原理 | 第20-22页 |
| 2.3 数字调制信号 | 第22-25页 |
| 2.3.1 调幅键控 | 第22-23页 |
| 2.3.2 相移键控 | 第23-24页 |
| 2.3.3 频移键控 | 第24-25页 |
| 2.3.4 正交幅度调制 | 第25页 |
| 2.4 通信信号的特征提取方法 | 第25-28页 |
| 2.4.1 特征参数提取的常见方法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 通信信号处理中的仿真和实践 | 第29-56页 |
| 3.1 决策论方法简介 | 第29-30页 |
| 3.2 基于示波器的模式识别系统 | 第30-35页 |
| 3.2.1 多种信号混合的分离 | 第31-35页 |
| 3.2.2 多种实采信号的混合 | 第35页 |
| 3.3 基于示波器的模式识别系统描述 | 第35-49页 |
| 3.3.1 信号示例 | 第36-40页 |
| 3.3.2 信号调制方式识别分类过程详解 | 第40-42页 |
| 3.3.3 信号识别流程图和识别结构图 | 第42-44页 |
| 3.3.4 二次特征提取对识别效果的提升 | 第44-47页 |
| 3.3.5 非功能信号的识别 | 第47-49页 |
| 3.4 信噪比估计 | 第49-54页 |
| 3.4.1 信噪比估计概述 | 第49-50页 |
| 3.4.2 信号模型 | 第50页 |
| 3.4.3 信噪比估计的理论论证 | 第50-51页 |
| 3.4.4 仿真信号信噪比估计 | 第51-54页 |
| 3.5 信号调制方式识别关键技术突破 | 第54-55页 |
| 3.5.1 研究过程 | 第54页 |
| 3.5.2 关键技术和解决方案 | 第54-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 生物医学信号处理理论 | 第56-61页 |
| 4.1 概述 | 第56页 |
| 4.2 生物医学信号处理方法 | 第56-58页 |
| 4.2.1 常规生物医学信号处理理论 | 第56-57页 |
| 4.2.2 数据挖掘技术在生物医学信号分析中的应用 | 第57-58页 |
| 4.3 心率血压测量方法 | 第58-59页 |
| 4.4 血压测量方法的发展历程 | 第59页 |
| 4.5 基于智能手机的心率血压分析方法 | 第59-61页 |
| 第五章 基于智能手机的心率血压计算 | 第61-70页 |
| 5.1 心率血压的测量背景 | 第61页 |
| 5.2 支持向量机(SVM)原理 | 第61-62页 |
| 5.2.1 利用支持向量机进行分类 | 第62页 |
| 5.3 血压和心率的计算 | 第62-66页 |
| 5.3.1 仿真结果 | 第62-66页 |
| 5.3.2 小结 | 第66页 |
| 5.4 Analysis Of Gait(步态分析) | 第66-69页 |
| 5.4.1 信号的采集和预处理、特征提取 | 第67页 |
| 5.4.2 LIBSVM | 第67页 |
| 5.4.3 模型建立与分析 | 第67-69页 |
| 5.4.4 小结 | 第69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结 | 第70-72页 |
| 6.1 主要内容 | 第70页 |
| 6.2 通信信号处理中的创新点 | 第70-71页 |
| 6.3 基于智能手机的医学指标分析的展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |