基于PPG和ECG信号融合的无创血糖检测方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-14页 |
| 1.1.1 糖尿病现状 | 第12-13页 |
| 1.1.2 糖尿病简介及危害性 | 第13-14页 |
| 1.2 糖尿病检测方法 | 第14-21页 |
| 1.2.1 有创血糖检测技术及其优劣 | 第14-15页 |
| 1.2.2 微创血糖检测技术及其优劣 | 第15-16页 |
| 1.2.3 无创检测技术及其发展趋势 | 第16-21页 |
| 1.3 主要研究内容及结构介绍 | 第21-24页 |
| 1.3.1 研究内容 | 第21页 |
| 1.3.2 拟解决的关键问题 | 第21页 |
| 1.3.3 创新点 | 第21-22页 |
| 1.3.4 本论文的结构 | 第22-24页 |
| 第二章 无创血糖检测原理及方法 | 第24-34页 |
| 2.1 光电容积脉搏波(PPG)简介 | 第24-26页 |
| 2.2 心电信号(ECG)简介 | 第26-29页 |
| 2.3 超限学习机简介 | 第29-30页 |
| 2.4 卷积神经网络(CNN)简介 | 第30-32页 |
| 2.5 分数阶系统简介 | 第32-34页 |
| 第三章 数据采集 | 第34-39页 |
| 3.1 采集设备 | 第34-35页 |
| 3.2 采集方式及流程 | 第35-39页 |
| 第四章 数据处理 | 第39-49页 |
| 4.1 数据量化误差 | 第39-40页 |
| 4.2 基于经验模式分解的量化误差去噪 | 第40-45页 |
| 4.3 基于奇异谱分析的去噪方法 | 第45-49页 |
| 第五章 实验及结果 | 第49-65页 |
| 5.1 特征向量的选取及PWTT的计算 | 第49-51页 |
| 5.2 基于超限学习的血糖检测算法 | 第51-54页 |
| 5.3 基于卷积神经网络(CNN)的血糖检测算法 | 第54-56页 |
| 5.4 基于分数阶系统的血糖检测算法 | 第56-57页 |
| 5.5 实验结果分析 | 第57-65页 |
| 结论及未来展望 | 第65-67页 |
| 参考文献 | 第67-75页 |
| 攻读学位期间发表的论文 | 第75-77页 |
| 致谢 | 第77-78页 |
