| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 心电信号波形特征及导联方式简介 | 第7-10页 |
| 1.2.1 心电信号基本波形特征 | 第8页 |
| 1.2.2 心电信号导联方式简介 | 第8-10页 |
| 1.3 心电信号自动分析技术国内外研究现状 | 第10-13页 |
| 1.3.1 心电信号预处理研究现状 | 第10-11页 |
| 1.3.2 心电信号特征提取研究现状 | 第11-12页 |
| 1.3.3 心电信号自诊断研究现状 | 第12-13页 |
| 1.4 本论文研究内容及章节安排 | 第13-15页 |
| 第2章 心电信号预处理算法研究 | 第15-38页 |
| 2.1 小波变换与经验模态分解理论 | 第15-22页 |
| 2.1.1 连续小波变换 | 第15-16页 |
| 2.1.2 离散小波变换 | 第16-17页 |
| 2.1.3 多分辨率分析 | 第17-18页 |
| 2.1.4 Mallat算法 | 第18-20页 |
| 2.1.5 经验模态分解 | 第20-22页 |
| 2.2 心电信号噪声成分分析 | 第22-23页 |
| 2.3 心电信号降噪算法研究 | 第23-37页 |
| 2.3.1 小波阈值函数降噪法原理 | 第24页 |
| 2.3.2 小波阈值函数降噪法 | 第24-25页 |
| 2.3.3 EMD降噪法 | 第25-26页 |
| 2.3.4 经验模态分解与小波变换相结合的阈值降噪算法 | 第26-30页 |
| 2.3.5 算法验证及分析 | 第30-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 心电信号特征参数检测算法研究 | 第38-47页 |
| 3.1 小波变换奇异性检测原理 | 第38-39页 |
| 3.1.1 信号的奇异性表征与小波变换 | 第38页 |
| 3.1.2 信号奇异性检测与小波变换的模极大值 | 第38-39页 |
| 3.2 心电信号特征检测研究 | 第39-46页 |
| 3.2.1 QRS波群特征参数检测 | 第39-44页 |
| 3.2.2 P波和T波特征参数检测 | 第44页 |
| 3.2.3 算法验证及分析 | 第44-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第4章 心律失常自诊断模型研究 | 第47-57页 |
| 4.1 心律失常波形介绍及数据来源 | 第47-50页 |
| 4.2 概率神经网络自诊断 | 第50-51页 |
| 4.2.1 概率神经网络结构 | 第50页 |
| 4.2.2 概率神经网络工作过程 | 第50-51页 |
| 4.3 基于SVM自诊断模型研究 | 第51-56页 |
| 4.3.1 SVM诊断算法核函数的选择 | 第52-53页 |
| 4.3.2 SVM多诊断参数设定 | 第53-55页 |
| 4.3.3 心律失常的诊断算法步骤 | 第55页 |
| 4.3.4 心律失常的测试结果及分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 心电信号处理及心律失常诊断的算法整体验证与测试 | 第57-65页 |
| 5.1 测试平台搭建 | 第57-58页 |
| 5.2 心电信号处理及诊断平台功能简介 | 第58页 |
| 5.3 心电信号平台各功能模块测试 | 第58-62页 |
| 5.4 整体测试 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第73页 |