基于多普勒雷达的非接触式睡眠监测关键技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 睡眠监测系统研究现状 | 第8-10页 |
| 1.2.2 睡眠分期方法研究现状 | 第10-12页 |
| 1.3 论文结构安排 | 第12-13页 |
| 2 传统睡眠分期基础概述 | 第13-18页 |
| 2.1 脑电信号简介 | 第13-14页 |
| 2.1.1 脑电信号基本知识 | 第13页 |
| 2.1.2 脑电信号特点及其特征波 | 第13-14页 |
| 2.2 睡眠分期方法简介 | 第14-17页 |
| 2.2.1 脑电信号睡眠分期标准 | 第14-16页 |
| 2.2.2 脑电信号特征提取方法 | 第16页 |
| 2.2.3 脑电信号睡眠分期方法 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 非接触式睡眠监测系统介绍 | 第18-31页 |
| 3.1 非接触式睡眠监测系统工作原理 | 第18-19页 |
| 3.2 雷达回波理论分析 | 第19-20页 |
| 3.3 心跳和呼吸信号的提取 | 第20-25页 |
| 3.3.1 心跳信号滤波器设计及频率特性曲线 | 第21页 |
| 3.3.2 呼吸信号滤波器设计及频率特性曲线 | 第21-22页 |
| 3.3.3 实测信号滤波处理结果 | 第22-23页 |
| 3.3.4 呼吸和心跳次数计算 | 第23-25页 |
| 3.4 体动信号提取 | 第25-28页 |
| 3.5 睡眠监测系统实验验证 | 第28-30页 |
| 3.6 本章小结 | 第30-31页 |
| 4 基于决策树睡眠分期算法 | 第31-46页 |
| 4.1 算法概述 | 第31-35页 |
| 4.1.1 算法基本流程 | 第31页 |
| 4.1.2 决策树睡眠分期特征参数提取 | 第31-35页 |
| 4.1.3 决策树简介 | 第35页 |
| 4.2 建立睡眠分期决策树 | 第35-37页 |
| 4.3 决策树在睡眠分期中的应用 | 第37-45页 |
| 4.3.1 数据来源 | 第37-39页 |
| 4.3.2 实验步骤 | 第39-40页 |
| 4.3.3 实际信号测试结果分析 | 第40-45页 |
| 4.4 结果分析 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 基于支持向量机睡眠分期算法 | 第46-62页 |
| 5.1 算法概述 | 第46-53页 |
| 5.1.1 算法基本流程 | 第46页 |
| 5.1.2 基于支持向量机特征参数提取 | 第46-50页 |
| 5.1.3 支持向量机算法描述 | 第50-53页 |
| 5.2 支持向量机分类器模型构建 | 第53-61页 |
| 5.2.1 支持向量机分类器参数选取 | 第53-56页 |
| 5.2.2 基于支持向量机睡眠分期结果与讨论 | 第56-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 总结和展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67页 |
