| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-29页 |
| ·课题研究背景及意义 | 第15-16页 |
| ·心电信号 | 第16-20页 |
| ·心电信号产生的基本原理 | 第16页 |
| ·心电信号基本波形及其意义 | 第16-17页 |
| ·心律失常的分类 | 第17-20页 |
| ·心电信号检测技术及心律失常分类的研究现状 | 第20-26页 |
| ·心电信号预处理技术的研究现状 | 第20-22页 |
| ·心电信号波形检测与特征点定位的研究现状 | 第22-24页 |
| ·心电信号特征提取的研究现状 | 第24-25页 |
| ·心律失常分类的研究现状 | 第25-26页 |
| ·实验数据来源 | 第26-27页 |
| ·论文主要工作内容及章节安排 | 第27-29页 |
| 第二章 基于小波变换的自适应心电信号去噪方法 | 第29-48页 |
| ·心电信号的噪声类型 | 第29-31页 |
| ·小波变换去噪理论 | 第31-37页 |
| ·小波变换 | 第31-34页 |
| ·小波去噪方法 | 第34-35页 |
| ·阈值函数 | 第35-36页 |
| ·阈值估计方法 | 第36-37页 |
| ·基于软阈值小波变换的自适应去噪方法 | 第37-41页 |
| ·算法总体流程 | 第37-38页 |
| ·小波基函数的选取 | 第38-40页 |
| ·小波分解层数的确定 | 第40-41页 |
| ·自适应去噪算法 | 第41页 |
| ·仿真实验结果及分析 | 第41-46页 |
| ·去噪效果的评价标准 | 第41页 |
| ·不同阈值估计方法对去噪效果的影响 | 第41-44页 |
| ·小波分解层数对去噪效果的影响 | 第44页 |
| ·心电信号去噪结果 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第三章 软阈值小波去噪算法的FPGA实现 | 第48-63页 |
| ·FPGA基础知识 | 第48-52页 |
| ·算法原理 | 第52-56页 |
| ·Mallat算法 | 第52-53页 |
| ·分布式算法 | 第53-55页 |
| ·信号边界延拓 | 第55-56页 |
| ·总体结构设计 | 第56-59页 |
| ·数据精度 | 第56页 |
| ·总体结构 | 第56-59页 |
| ·各功能模块设计 | 第59-61页 |
| ·信号输入模块 | 第59页 |
| ·小波分解模块 | 第59-60页 |
| ·阈值处理模块的设计 | 第60-61页 |
| ·实验仿真与结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 基于组合阈值的QRS波群识别算法 | 第63-73页 |
| ·常用的QRS波群检测算法 | 第63-65页 |
| ·差分阈值法 | 第63-64页 |
| ·小波变换法 | 第64-65页 |
| ·基于幅度阈值和小波阈值的QRS波群识别算法 | 第65-68页 |
| ·R峰检测原理 | 第65-66页 |
| ·幅度阈值及小波阈值的确定方法 | 第66-67页 |
| ·Q波和S波的检测 | 第67页 |
| ·附加策略 | 第67-68页 |
| ·仿真实验结果及分析 | 第68-72页 |
| ·评价指标 | 第68页 |
| ·实验结果及分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 基于改进精英遗传算法的心电信号特征选择 | 第73-90页 |
| ·特征选择算法概述 | 第73-76页 |
| ·完全搜索算法 | 第74页 |
| ·启发式搜索 | 第74-75页 |
| ·智能算法 | 第75-76页 |
| ·标准遗传算法 | 第76-77页 |
| ·改进的精英遗传算法 | 第77-82页 |
| ·相关定义 | 第78-79页 |
| ·适应度函数 | 第79页 |
| ·全局寻优阶段 | 第79-80页 |
| ·局部寻优阶段 | 第80-82页 |
| ·改进的精英遗传算法在心电信号特征选择中的应用 | 第82-88页 |
| ·实验数据集 | 第82-83页 |
| ·候选特征集 | 第83-84页 |
| ·特征选择的评价标准 | 第84-86页 |
| ·实验结果及分析 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 第六章 基于改进极限学习机的心律失常分类 | 第90-100页 |
| ·核主成分分析 | 第90-92页 |
| ·主成分分析 | 第90-91页 |
| ·核主成分分析 | 第91-92页 |
| ·基于遗传算法优化的极限学习机 | 第92-96页 |
| ·极限学习机 | 第92-95页 |
| ·遗传算法优化的极限学习机 | 第95-96页 |
| ·基于改进极限学习机的心律失常分类 | 第96-99页 |
| ·实验数据集 | 第96页 |
| ·不同维数约简算法对心律失常分类性能的影响 | 第96-97页 |
| ·不同分类器对心律失常分类性能的影响 | 第97-98页 |
| ·GAELM算法在MITDB心律失常数据库上的分类性能 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 第七章 结论和展望 | 第100-103页 |
| ·工作总结 | 第100-101页 |
| ·未来工作展望 | 第101-103页 |
| 参考文献 | 第103-112页 |
| 致谢 | 第112-113页 |
| 攻读学位期间所取得的相关科研成果 | 第113页 |