| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11页 |
| 1.2 心电波形及信号特征 | 第11-14页 |
| 1.3 国内外研究现状综述 | 第14-16页 |
| 1.4 论文的研究内容及组织结构 | 第16-19页 |
| 第2章 算法的基本理论 | 第19-27页 |
| 2.1 小波变换的基本理论 | 第19-21页 |
| 2.1.1 连续小波变换 | 第19-20页 |
| 2.1.2 离散小波变换 | 第20-21页 |
| 2.2 支持向量机基本理论 | 第21-26页 |
| 2.2.1 统计学理论的基本概念 | 第21-23页 |
| 2.2.2 支持向量机原理 | 第23页 |
| 2.2.3 支持向量机模型 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 12导联心电监护仪的设计与实现 | 第27-39页 |
| 3.1 系统概述 | 第27-30页 |
| 3.1.1 方案论证及可行性分析 | 第27-28页 |
| 3.1.2 系统方案 | 第28-29页 |
| 3.1.3 系统功能及性能指标 | 第29-30页 |
| 3.2 监护仪的硬件设计与实现 | 第30-35页 |
| 3.2.1 硬件系统的整体结构 | 第30-31页 |
| 3.2.2 模拟电路模块 | 第31-32页 |
| 3.2.3 数字电路模块 | 第32-35页 |
| 3.2.4 电源模块 | 第35页 |
| 3.3 监护仪软件设计与实现 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 心电信号预处理算法 | 第39-55页 |
| 4.1 心电信号概述及噪声分析 | 第39-40页 |
| 4.2 心电信号去噪算法综述 | 第40-42页 |
| 4.2.1 肌电干扰去噪算法综述 | 第40-41页 |
| 4.2.2 基线漂移去噪算法综述 | 第41-42页 |
| 4.3 基于形态学滤波的基线漂移滤除算法 | 第42-43页 |
| 4.4 基于小波熵和改进阈值函数的去噪算法 | 第43-54页 |
| 4.4.1 小波阈值去噪原理 | 第44页 |
| 4.4.2 阈值函数的选择 | 第44-47页 |
| 4.4.3 基于小波熵理论的阈值选取 | 第47-48页 |
| 4.4.4 基于小波熵和改进阈值函数的去噪步骤 | 第48页 |
| 4.4.5 去噪算法仿真实验及结果分析 | 第48-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 心律失常智能诊断算法的研究 | 第55-77页 |
| 5.1 心律失常分类算法概述 | 第55-57页 |
| 5.2 典型心律失常的病情分析 | 第57-58页 |
| 5.3 心电信号特征提取算法研究 | 第58-63页 |
| 5.3.1 基于二阶差分阈值法的R波定位算法 | 第58-60页 |
| 5.3.2 基于连续小波变换的特征提取算法 | 第60-63页 |
| 5.4 基于粒子群算法的参数优化 | 第63-72页 |
| 5.4.1 PSO算法概述 | 第63-65页 |
| 5.4.2 具有变异特性的改进粒子群算法 | 第65-67页 |
| 5.4.3 改进粒子群算法的仿真测试及分析 | 第67-70页 |
| 5.4.4 改进粒子群算法对支持向量机中参数的优化 | 第70-72页 |
| 5.5 基于支持向量机的ECG分类 | 第72-74页 |
| 5.6 样本的选择及实验结果分析 | 第74-75页 |
| 5.7 本章小结 | 第75-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 本文工作总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 作者攻读硕士学位期间发表的论文、专利及参与项目情况 | 第87页 |