| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 ECG简介 | 第12-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 论文内容与撰写安排 | 第17-19页 |
| 第二章 时间序列分解方法 | 第19-26页 |
| 2.1 时间序列分解方法简介 | 第19页 |
| 2.2 小波变换 | 第19-21页 |
| 2.2.1 连续小波变换 | 第19-20页 |
| 2.2.2 离散小波变换 | 第20-21页 |
| 2.3 经验模态分解 | 第21-22页 |
| 2.4 辛几何谱分解 | 第22-24页 |
| 2.5 变分模态分解 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 符号时间序列分析及其统计特性 | 第26-36页 |
| 3.1 符号动力学 | 第26页 |
| 3.2 符号时间序列分析的符号化方法 | 第26-28页 |
| 3.3 符号时间序列分析的统计量 | 第28-30页 |
| 3.4 符号时间序列分析的参数选择 | 第30页 |
| 3.5 符号时间序列分析的算例分析 | 第30-35页 |
| 3.5.1 实数序列的选择 | 第30-32页 |
| 3.5.2 符号时间序列分析理论验证 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于序列分解与符号熵的VT与VF检测 | 第36-51页 |
| 4.1 心电数据库及心电噪音 | 第36-37页 |
| 4.1.1 心电数据库 | 第36-37页 |
| 4.1.2 心电噪声 | 第37页 |
| 4.2 支持向量机 | 第37-39页 |
| 4.3 性能评价参数 | 第39-40页 |
| 4.4 基于EMD与符号时间序列分析算法的VT/VF检测 | 第40-46页 |
| 4.4.1 算法流程介绍 | 第40-41页 |
| 4.4.2 实验结果及分析 | 第41-46页 |
| 4.5 基于小波分解与符号时间序列分析方法的VT/VF检测 | 第46-50页 |
| 4.5.1 算法流程介绍 | 第46-47页 |
| 4.5.2 仿真实验结果 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 改进的符号时间序列分析方法与性能分析 | 第51-58页 |
| 5.1 改进的符号时间序列分析方法 | 第51-52页 |
| 5.2 实验结果与性能分析 | 第52-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 前景展望 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-70页 |