| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-29页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.1.1 课题来源 | 第12页 |
| 1.1.2 研究目的及意义 | 第12-14页 |
| 1.2 远程健康监护系统研究现状及进展 | 第14-22页 |
| 1.2.1 远程健康监护系统的发展历程 | 第14-16页 |
| 1.2.2 国内外健康监护系统研究现状 | 第16-20页 |
| 1.2.3 远程健康监护的发展前景 | 第20-22页 |
| 1.3 生理参数数据分析研究现状 | 第22-26页 |
| 1.3.1 生理参数数据处理方法研究 | 第22-24页 |
| 1.3.2 生理参数建模方法研究 | 第24页 |
| 1.3.3 生理参数预报方法研究 | 第24-26页 |
| 1.4 课题主要工作及研究成果 | 第26-27页 |
| 1.5 论文的组织结构与内容安排 | 第27-29页 |
| 第二章 基于小波分析的生理信号去噪处理研究 | 第29-52页 |
| 2.1 引言 | 第29页 |
| 2.2 小波变换机理 | 第29-36页 |
| 2.2.1 小波变换 | 第30-31页 |
| 2.2.2 小波函数的选择 | 第31-34页 |
| 2.2.3 小波分解层数的确定 | 第34-36页 |
| 2.3 改进小波阀值生理信号去噪研究 | 第36-47页 |
| 2.3.1 生理信号的小波分析特性 | 第36-37页 |
| 2.3.2 生理信号去噪原理与步骤 | 第37-38页 |
| 2.3.3 阀值函数及阀值研究与选择 | 第38-40页 |
| 2.3.4 改进小波阀值去噪 | 第40-43页 |
| 2.3.5 实验结果及分析 | 第43-47页 |
| 2.4 小波变换与Hampel滤波生理信号去噪研究 | 第47-51页 |
| 2.4.1 Hampel滤波原理 | 第47页 |
| 2.4.2 小波变换与Hampel降噪 | 第47-48页 |
| 2.4.3 实验结果及分析 | 第48-51页 |
| 2.5 本章小结 | 第51-52页 |
| 第三章 生理参数异常值识别与处理方法研究 | 第52-76页 |
| 3.1 引言 | 第52-53页 |
| 3.2 生理参数异常值描述 | 第53-55页 |
| 3.3 基于改进统计量的生理参数异常值识别方法 | 第55-65页 |
| 3.3.1 常用的异常值识别方法及其不足 | 第55-58页 |
| 3.3.2 改进统计量的生理参数异常值识别 | 第58-60页 |
| 3.3.3 生理参数异常值的识别方法流程 | 第60页 |
| 3.3.4 实验结果及分析 | 第60-65页 |
| 3.4 基于Kalman滤波的AR模型生理参数空缺值处理 | 第65-75页 |
| 3.4.1 自回归模型 | 第65-68页 |
| 3.4.2 AR模型参数估计方法分析对比 | 第68页 |
| 3.4.3 Kalman滤波及状态估计 | 第68-71页 |
| 3.4.4 基于Kalman滤波的AR模型参数估计 | 第71-73页 |
| 3.4.5 实验结果及分析 | 第73-75页 |
| 3.5 本章小结 | 第75-76页 |
| 第四章 基于WD-LSSVM的监护信息预报研究 | 第76-104页 |
| 4.1 引言 | 第76-77页 |
| 4.2 时间序列预报方法比较分析研究 | 第77-80页 |
| 4.2.1 随机型时序预报方法 | 第77-78页 |
| 4.2.2 神经网络预报方法 | 第78-80页 |
| 4.3 支持向量机预报方法 | 第80-87页 |
| 4.3.1 机器学习 | 第81页 |
| 4.3.2 分类问题 | 第81-85页 |
| 4.3.3 支持向量机模型 | 第85-87页 |
| 4.4 基于WD-LSSVM的监护信息预报方法 | 第87-95页 |
| 4.4.1 问题描述 | 第87-88页 |
| 4.4.2 监护信息小波分解 | 第88-89页 |
| 4.4.3 监护信息LS-SVM预报 | 第89-91页 |
| 4.4.4 核函数的选择 | 第91页 |
| 4.4.5 模型参数确定 | 第91-95页 |
| 4.5 基于WD-LSSVM的监护信息预报算法流程 | 第95-97页 |
| 4.6 实验 | 第97-103页 |
| 4.6.1 预报模型的性能评价 | 第97-98页 |
| 4.6.2 实验结果及分析 | 第98-103页 |
| 4.7 本章小结 | 第103-104页 |
| 第五章 远程智能健康监护系统研发及试验 | 第104-127页 |
| 5.1 引言 | 第104页 |
| 5.2 远程智能健康监护系统设计 | 第104-113页 |
| 5.2.1 系统总体结构 | 第104-106页 |
| 5.2.2 监护系统硬件平台 | 第106-107页 |
| 5.2.3 监护系统软件设计 | 第107-110页 |
| 5.2.4 数据库设计 | 第110-113页 |
| 5.3 远程智能健康监护系统软件开发 | 第113-120页 |
| 5.3.1 软件开发环境 | 第113-114页 |
| 5.3.2 多线程技术的引入 | 第114-116页 |
| 5.3.3 智能监护系统的网络通信 | 第116-119页 |
| 5.3.4 数据库的访问 | 第119-120页 |
| 5.4 智能远程健康监护系统试验 | 第120-126页 |
| 5.4.1 试验方案设计 | 第120页 |
| 5.4.2 生理参数监测现场 | 第120-121页 |
| 5.4.3 试验结果及分析 | 第121-126页 |
| 5.5 本章小结 | 第126-127页 |
| 结论与展望 | 第127-129页 |
| 参考文献 | 第129-138页 |
| 攻读博士学位期间取得的研究成果 | 第138-139页 |
| 致谢 | 第139-140页 |
| 答辩委员会对论文的评定意见 | 第140页 |
