可穿戴多生理参数监测的数据处理平台设计与算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 可穿戴设备研究现状 | 第10-12页 |
| 1.2.2 心律失常分类算法研究现状 | 第12-14页 |
| 1.2.3 人体运动模式识别算法研究现状 | 第14-15页 |
| 1.3 本文主要研究内容及结构安排 | 第15-18页 |
| 第2章 可穿戴式生理参数采集原理与实现 | 第18-28页 |
| 2.1 生理参数采集模块 | 第18-21页 |
| 2.1.1 采集模块现存的问题 | 第18-19页 |
| 2.1.2 采集模块技术方案比较 | 第19-20页 |
| 2.1.3 本文采用的采集模块 | 第20-21页 |
| 2.2 Android软件开发 | 第21-26页 |
| 2.2.1 Android操作系统介绍 | 第21-23页 |
| 2.2.2 Android APP实现 | 第23-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第3章 心律失常分类算法 | 第28-50页 |
| 3.1 MIT-BIH心律失常数据库介绍 | 第28-30页 |
| 3.2 心电信号预处理 | 第30-35页 |
| 3.2.1 噪声简介 | 第31页 |
| 3.2.2 噪声去除 | 第31-33页 |
| 3.2.3 R波检测 | 第33-35页 |
| 3.3 心电信号特征提取 | 第35-41页 |
| 3.3.1 时域特征 | 第35-36页 |
| 3.3.2 时频域特征 | 第36-41页 |
| 3.4 特征选择 | 第41-44页 |
| 3.4.1 ReliefF算法 | 第42页 |
| 3.4.2 遗传算法 | 第42页 |
| 3.4.3 支持向量机 | 第42-43页 |
| 3.4.4 ReliefF-GA-SVM算法 | 第43-44页 |
| 3.5 多分类SVM | 第44-45页 |
| 3.6 实验结果与分析 | 第45-47页 |
| 3.7 本章小结 | 第47-50页 |
| 第4章 人体运动模式识别算法 | 第50-54页 |
| 4.1 SCUT-NAA数据库介绍 | 第50-51页 |
| 4.2 加速度信号预处理 | 第51页 |
| 4.3 加速度信号特征提取 | 第51-52页 |
| 4.4 加速度信号特征降维与分类 | 第52页 |
| 4.5 实验结果与分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 服务器端监护的原理与实现 | 第54-60页 |
| 5.1 服务器的程序总体设计 | 第54-55页 |
| 5.2 数据库的设计 | 第55-56页 |
| 5.3 Web服务器搭建 | 第56-57页 |
| 5.4 Web前端的实现 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 发表论文和参加科研情况说明 | 第68-70页 |
| 致谢 | 第70-71页 |
