基于心电信号检测睡眠呼吸暂停症的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 本课题研究背景 | 第9-12页 |
| 1.2 本课题研究目的及意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 论文主要研究内容 | 第16-18页 |
| 第2章 睡眠时心电信号分析 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 心电信号与睡眠呼吸暂停 | 第18-19页 |
| 2.3 心电信号分析 | 第19-23页 |
| 2.3.1 心电信号形成机理及生理意义 | 第19-21页 |
| 2.3.2 心电信号时频特性 | 第21-23页 |
| 2.4 Apn ea -ECG数据库 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 ECG信号处理方法 | 第25-43页 |
| 3.1 引言 | 第25页 |
| 3.2 特征检测算法的数据准备 | 第25-26页 |
| 3.3 心电信号预处理 | 第26-32页 |
| 3.3.1 50Hz IIR陷波器的设计 | 第26-29页 |
| 3.3.2 IIR巴特沃斯低通滤波器设计 | 第29-32页 |
| 3.4 心电信号QRS复波检测算法 | 第32-39页 |
| 3.4.1 IIR带通滤波器设计 | 第32-35页 |
| 3.4.2 QRS复波特征检测 | 第35-38页 |
| 3.4.3 T波特征检测 | 第38-39页 |
| 3.4.4 检测算法评估 | 第39页 |
| 3.5 基于心电信号的呼吸信号提取 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于ECG信号的睡眠呼吸暂停特征研究 | 第43-61页 |
| 4.1 引言 | 第43页 |
| 4.2 支持向量机分类器 | 第43-53页 |
| 4.2.1 支持向量机定义 | 第43-48页 |
| 4.2.2 SVM学习及分类算法 | 第48-50页 |
| 4.2.3 SVM性能评估及核函数选择 | 第50-52页 |
| 4.2.4 高斯径向核函数的参数优化 | 第52-53页 |
| 4.3 睡眠呼吸的分类特征比较 | 第53-60页 |
| 4.3.1 睡眠呼吸暂停的检测特征 | 第53-54页 |
| 4.3.2 基于睡眠呼吸暂停特征研究 | 第54-55页 |
| 4.3.3 分类特征性能研究 | 第55-58页 |
| 4.3.4 分类结果及分析 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69页 |
