基于超宽带雷达睡眠分期方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 睡眠医学的发展现状 | 第10-11页 |
| 1.2.2 睡眠分期的发展现状 | 第11-12页 |
| 1.2.3 睡眠监测系统的发展现状 | 第12-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第二章 多导式睡眠分期基础概述 | 第17-22页 |
| 2.1 多导式睡眠仪简介 | 第17-18页 |
| 2.2 睡眠分期依据 | 第18-20页 |
| 2.3 睡眠分期规则简介 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 信息采集系统介绍与数据采集 | 第22-43页 |
| 3.1 超宽带雷达概述 | 第22-24页 |
| 3.2 回波信号分析 | 第24-25页 |
| 3.3 体动信息提取 | 第25-29页 |
| 3.3.1 体动分析方法介绍 | 第25-26页 |
| 3.3.2 实验验证分析结果 | 第26-29页 |
| 3.4 体征信息提取 | 第29-35页 |
| 3.4.1 数字滤波器设定 | 第29-30页 |
| 3.4.2 信息提取方法 | 第30-32页 |
| 3.4.3 平滑处理 | 第32页 |
| 3.4.4 实验验证分析结果 | 第32-35页 |
| 3.5 数据采集与睡眠分期特征提取 | 第35-42页 |
| 3.5.1 数据采集 | 第35-37页 |
| 3.5.2 睡眠分期特征提取 | 第37-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于BP神经网络睡眠分期算法 | 第43-57页 |
| 4.1 人工神经网络概述 | 第43-44页 |
| 4.2 BP神经网络概述 | 第44-50页 |
| 4.2.1 BP神经网络概念 | 第44-46页 |
| 4.2.2 BP神经网络算法 | 第46-48页 |
| 4.2.3 Matlab神经网络工具箱概述 | 第48-50页 |
| 4.3 基于BP神经网络睡眠分期 | 第50-56页 |
| 4.3.1 模型训练 | 第50-53页 |
| 4.3.2 睡眠分期结果与分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于支持向量机的睡眠分期算法 | 第57-72页 |
| 5.1 支持向量机概述 | 第57-60页 |
| 5.1.1 线性支持向量机 | 第57-58页 |
| 5.1.2 非线性支持向量机 | 第58-60页 |
| 5.2 基于支持向量机睡眠分期 | 第60-67页 |
| 5.2.1 多分类支持向量机 | 第60-62页 |
| 5.2.2 模型训练 | 第62-64页 |
| 5.2.3 睡眠分期结果与分析 | 第64-67页 |
| 5.3 不同睡眠分期方法对比 | 第67-69页 |
| 5.4 睡眠分析软件 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结和展望 | 第72-74页 |
| 6.1 工作总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间研究成果 | 第80页 |
