| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·胎儿心电信号提取的研究意义 | 第10-11页 |
| ·胎儿心电信号提取研究现状 | 第11-15页 |
| ·胎儿心电信号检测方法 | 第11-12页 |
| ·胎儿心电信号提取技术发展概况 | 第12-15页 |
| ·研究的主要内容及目标 | 第15-16页 |
| ·研究的主要内容 | 第15页 |
| ·研究的目标 | 第15-16页 |
| ·本论文的内容安排 | 第16-17页 |
| 2 胎儿心电信号提取原理 | 第17-45页 |
| ·胎儿心电信号提取方法 | 第17-20页 |
| ·自适应噪声抵消技术 | 第17-18页 |
| ·盲信号分离技术 | 第18页 |
| ·奇异值分解 | 第18-19页 |
| ·相关技术 | 第19-20页 |
| ·自适应滤波算法 | 第20-23页 |
| ·自适应滤波器工作原理 | 第20-21页 |
| ·自适应滤波器常用算法 | 第21-23页 |
| ·人工神经网络 | 第23-28页 |
| ·人工神经网络简介 | 第23-25页 |
| ·几种应用于胎儿心电信号提取的人工神经网络 | 第25-28页 |
| ·统计学习理论的基本内容 | 第28-33页 |
| ·机器学习的基本问题 | 第28-30页 |
| ·统计学习理论的核心内容 | 第30-33页 |
| ·支持向量机 | 第33-38页 |
| ·最优分类超平面 | 第33-36页 |
| ·支持向量机 | 第36页 |
| ·回归支持向量机 | 第36-38页 |
| ·经验模式分解(EMD) | 第38-40页 |
| ·小波变换 | 第40-44页 |
| ·连续小波变换 | 第40-41页 |
| ·多分辨率分析 | 第41-42页 |
| ·小波与滤波器组 | 第42-43页 |
| ·小波包变换 | 第43-44页 |
| ·小波去噪 | 第44页 |
| ·本章小结 | 第44-45页 |
| 3 基于人工神经网络的胎儿心电信号提取 | 第45-65页 |
| ·基于自适应噪声抵消器的胎儿心电信号提取原理 | 第45-48页 |
| ·基于径向基函数神经网络的胎儿心电信号提取 | 第48-53页 |
| ·径向基函数神经网络 | 第48-50页 |
| ·基于径向基函数神经网络的胎儿心电信号提取方法 | 第50-51页 |
| ·基于径向基函数神经网络的胎儿心电信号提取实验结果 | 第51-53页 |
| ·基于广义回归神经网络的胎儿心电信号提取 | 第53-59页 |
| ·广义回归神经网络 | 第53-54页 |
| ·基于广义回归神经网络的胎儿心电信号提取方法 | 第54-55页 |
| ·基于GRNN 的胎儿心电信号提取实验结果 | 第55-59页 |
| ·胎儿心电信号提取实验结果对比分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 4 基于最小二乘支持向量机的胎儿心电信号提取 | 第65-92页 |
| ·最小二乘支持向量机 | 第65-67页 |
| ·基于最小二乘支持向量机的胎儿心电信号提取方法 | 第67-69页 |
| ·胎儿心电信号提取方法的性能评估 | 第69-70页 |
| ·基于最小二乘支持向量机的胎儿心电信号提取实验结果 | 第70-81页 |
| ·最小二乘支持向量机优化 | 第70-75页 |
| ·基于最小二乘支持向量机的胎儿心电提取实验 | 第75-76页 |
| ·胎儿心电信号提取实验结果对比分析 | 第76-81页 |
| ·基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取 | 第81-91页 |
| ·胎儿心电信号的非平稳特性及处理方法 | 第81-82页 |
| ·基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取方法 | 第82-83页 |
| ·基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取实验结果 | 第83-87页 |
| ·胎儿心电信号提取实验结果对比分析 | 第87-91页 |
| ·本章小结 | 第91-92页 |
| 5 胎儿心电信号去噪 | 第92-109页 |
| ·胎儿心电信号去噪研究现状 | 第92页 |
| ·基于小波包变换的胎儿心电信号去噪 | 第92-96页 |
| ·小波包去噪技术 | 第92-93页 |
| ·胎儿心电信号小波包去噪实验 | 第93-96页 |
| ·基于经验模式分解的胎儿心电信号去噪 | 第96-104页 |
| ·基于经验模式分解的胎儿心电信号去噪方法 | 第96-97页 |
| ·基于经验模式分解的胎儿心电信号去噪实验 | 第97-104页 |
| ·小波包去噪与经验模式分解去噪的对比 | 第104-108页 |
| ·小结 | 第108-109页 |
| 6 结论与展望 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-120页 |
| 附录 | 第120-121页 |
