| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 心电信号预处理研究现状 | 第9-11页 |
| 1.2.2 心电信号波形分析与多域特征提取算法研究现状 | 第11-13页 |
| 1.2.3 心律失常识别与分类算法研究现状 | 第13-14页 |
| 1.3 本文研究内容和组织结构 | 第14-16页 |
| 1.3.1 本文研究内容 | 第14页 |
| 1.3.2 本文组织结构 | 第14-16页 |
| 第2章 可穿戴设备心电信号采集及预处理 | 第16-26页 |
| 2.1 可穿戴设备心电信号采集 | 第16-17页 |
| 2.2 可穿戴心电监测模块的噪声种类分析 | 第17-19页 |
| 2.3 心电信号噪声去除 | 第19-24页 |
| 2.3.1 传统小波阈值去干扰法 | 第19-20页 |
| 2.3.2 改进小波阈值去干扰法 | 第20-22页 |
| 2.3.3 信号去噪实验结果 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 心电信号特征提取 | 第26-38页 |
| 3.1 心电信号波形检测 | 第26-28页 |
| 3.2 心电信号形态特征提取 | 第28-30页 |
| 3.3 心电信号小波域特征提取 | 第30-31页 |
| 3.4 心电信号循环谱特征提取 | 第31-34页 |
| 3.5 心电信号高阶累积量特征 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于特征子空间的心律失常分类 | 第38-44页 |
| 4.1 子空间方法 | 第38-39页 |
| 4.2 分类器设计 | 第39-43页 |
| 4.2.1 SVM算法原理 | 第39-41页 |
| 4.2.2 级联SVM分类器 | 第41-42页 |
| 4.2.3 超限学习机(ELM)算法原理 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 心律失常分类实验设计 | 第44-54页 |
| 5.1 MIT-BIH心律失常数据库 | 第44-46页 |
| 5.2 循环谱特征有效性实验 | 第46-48页 |
| 5.3 特征子空间心律失常分类实验 | 第48-51页 |
| 5.4 可穿戴式心电监测模块采集心电信号分类实验 | 第51页 |
| 5.5 本章小结 | 第51-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 本文内容的总结 | 第54-55页 |
| 6.2 本文展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 发表论文和参加科研情况说明 | 第62-64页 |
| 致谢 | 第64-65页 |