基于神经网络的ECG身份识别技术
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-17页 |
1.1 课题背景及研究意义 | 第10-12页 |
1.2 ECG信号用于身份识别的研究 | 第12-13页 |
1.3 国内外研究现状 | 第13-15页 |
1.3.1 基于特征点提取的身份识别 | 第13-14页 |
1.3.2 基于波形提取的身份识别 | 第14-15页 |
1.4 本文数据来源 | 第15页 |
1.5 本文研究的内容 | 第15-17页 |
第二章 小波变换理论 | 第17-24页 |
2.1 概述 | 第17页 |
2.2 常见的滤波方式 | 第17-18页 |
2.3 小波变换 | 第18-20页 |
2.3.1 连续小波变换 | 第18-19页 |
2.3.2 离散小波变换 | 第19-20页 |
2.4 多分辨率特性 | 第20-21页 |
2.5 Mallat算法和atrous算法 | 第21-23页 |
2.6 本章小结 | 第23-24页 |
第三章 ECG信号的特征提取 | 第24-37页 |
3.1 小波基的选择 | 第24-25页 |
3.2 心电信号的特点 | 第25-26页 |
3.3 心电信号的预处理 | 第26-31页 |
3.3.1 滤除高频噪声 | 第26-29页 |
3.3.2 滤除低频噪声 | 第29-31页 |
3.4 ECG信号奇异点分析 | 第31-34页 |
3.5 ECG信号特征点提取 | 第34-36页 |
3.5.1 QRS波特征点的提取 | 第34页 |
3.5.2 P波和T波特征点的提取 | 第34-36页 |
3.6 本章小结 | 第36-37页 |
第四章 神经网络理论基础与身份识别研究 | 第37-61页 |
4.1 神经网络的选择 | 第37-46页 |
4.1.1 BP神经网络分类器设计 | 第38-40页 |
4.1.2 径向基函数网络(RBFN) | 第40-46页 |
4.2 ECG特征权重分析 | 第46-48页 |
4.2.1 线性判别式分析 | 第46-47页 |
4.2.2 特征权重分析 | 第47-48页 |
4.3 遗传算法简介 | 第48-50页 |
4.3.1 遗传算法简介 | 第48-49页 |
4.3.2 遗传算法特征 | 第49-50页 |
4.4 遗传算法的操作流程 | 第50-52页 |
4.5 GA-RBF模型建立 | 第52-58页 |
4.5.1 遗传算法优化RBF网络的可行性 | 第52-53页 |
4.5.2 GA-RBF算法设计 | 第53-56页 |
4.5.3 GA-RBF算法流程 | 第56-58页 |
4.6 实验结果及分析 | 第58-60页 |
4.7 本章小结 | 第60-61页 |
第五章 总结与展望 | 第61-63页 |
5.1 总结 | 第61页 |
5.2 展望 | 第61-63页 |
参考文献 | 第63-66页 |
致谢 | 第66-67页 |
附录(攻读学位期间论文发表情况) | 第67页 |