| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 选题的背景和意义 | 第15-17页 |
| 1.1.1 选题背景 | 第15页 |
| 1.1.2 选题意义 | 第15-17页 |
| 1.2 TWA检测算法研究现状 | 第17-20页 |
| 1.2.1 TWA检测中信号预处理方法研究现状 | 第18页 |
| 1.2.2 TWA检测中T波提取和对齐方法研究现状 | 第18-19页 |
| 1.2.3 TWA检测中交替分析方法研究现状 | 第19-20页 |
| 1.3 论文的研究内容及创新点 | 第20-23页 |
| 1.4 论文的组织结构 | 第23-25页 |
| 第2章 基于EMD和数学形态学相结合的自适应去噪算法研究 | 第25-51页 |
| 2.1 引言 | 第25-26页 |
| 2.2 心电图中的去噪方法分析 | 第26-33页 |
| 2.2.1 心电图中随机噪声滤除方法分析 | 第27-30页 |
| 2.2.2 心电图中基线漂移滤波方法分析 | 第30-33页 |
| 2.3 基于EMD和形态学方法相结合的自适应去噪方法研究 | 第33-40页 |
| 2.3.1 算法模型及问题描述 | 第33-35页 |
| 2.3.2 数学形态学峰谷提取 | 第35-38页 |
| 2.3.3 自适应噪声阂值估计 | 第38页 |
| 2.3.4 改进阈值量化法 | 第38-39页 |
| 2.3.5 基于中值滤波和EMD相结合的基线漂移滤除 | 第39-40页 |
| 2.4 算法仿真与分析 | 第40-49页 |
| 2.4.1 算法性能评价指标 | 第41页 |
| 2.4.2 去噪算法性能对比分析 | 第41-45页 |
| 2.4.3 基线漂移滤除算法性能对比分析 | 第45-49页 |
| 2.5 本章小结 | 第49-51页 |
| 第3章 基于粒子群和心电图模型相结合的T波提取和对齐方法 | 第51-65页 |
| 3.1 引言 | 第51页 |
| 3.2 心电图中T波提取和对齐方法分析 | 第51-52页 |
| 3.3 基于粒子群和心电图模型相结合的T波提取和对齐方法 | 第52-60页 |
| 3.3.1 基于高斯核的心电图波形模型建立 | 第52-54页 |
| 3.3.2 基于心电图波形模型的T波提取 | 第54-55页 |
| 3.3.3 基于粒子群的T波提取 | 第55-59页 |
| 3.3.4 基于模版匹配T波序列对齐 | 第59-60页 |
| 3.4 算法仿真与分析 | 第60-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第4章 非高斯条件下基于粒子滤波的TWA分析方法研究 | 第65-83页 |
| 4.1 引言 | 第65-67页 |
| 4.2 粒子滤波介绍 | 第67-68页 |
| 4.3 非高斯条件下基于粒子滤波的TWA分析方法研究 | 第68-82页 |
| 4.3.1 TWA的动态状态空间模型建立 | 第69-71页 |
| 4.3.2 基于拉普拉斯分布的TWA噪声概率统计模型 | 第71-72页 |
| 4.3.3 基于粒子滤波的TWA估计 | 第72-75页 |
| 4.3.4 TWA幅度的量化计算 | 第75-76页 |
| 4.3.5 算法仿真与分析 | 第76-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第5章 基于L1趋势估计的非稳态TWA高抗噪性分析方法研究 | 第83-105页 |
| 5.1 引言 | 第83-84页 |
| 5.2 非稳态TWA现象分析 | 第84-87页 |
| 5.2.1 相位非稳态TWA现象 | 第84-85页 |
| 5.2.2 时间非稳态TWA现象 | 第85-86页 |
| 5.2.3 幅值非稳态TWA现象 | 第86页 |
| 5.2.4 含瞬时尖峰非稳态TWA现象 | 第86-87页 |
| 5.3 L1趋势估计 | 第87-90页 |
| 5.3.1 H-P趋势估计 | 第88-89页 |
| 5.3.2 L1趋势估计 | 第89-90页 |
| 5.4 基于LI趋势估计的TWA分析方法研究 | 第90-95页 |
| 5.4.1 算法概述 | 第90-92页 |
| 5.4.2 T波数据中TWA现象的数学解析 | 第92-93页 |
| 5.4.3 基于L1趋势估计的TWA参数计算 | 第93-95页 |
| 5.5 算法仿真与分析 | 第95-103页 |
| 5.6 本章小结 | 第103-105页 |
| 第6章 基于小波分析和Bootstrap相结合的非参数TWA分析方法研究 | 第105-121页 |
| 6.1 引言 | 第105-106页 |
| 6.2 Bootstrap非参数统计方法 | 第106-108页 |
| 6.2.1 Bootstrap的概念 | 第106-107页 |
| 6.2.2 Bootstrap方法的基本思想 | 第107-108页 |
| 6.2.3 Bootstrap方法的优势 | 第108页 |
| 6.3 基于小波分析和Bootstrap相结合的非参数TWA分析方法研究 | 第108-115页 |
| 6.3.1 算法概述 | 第108-109页 |
| 6.3.2 基于小波分析的非稳态TWA分段 | 第109-111页 |
| 6.3.3 基于Bootstrap的TWA检测算法 | 第111-115页 |
| 6.4 算法仿真与分析 | 第115-118页 |
| 6.4.1 模拟仿真 | 第115-118页 |
| 6.4.2 MIT数据仿真实验 | 第118页 |
| 6.5 本章小结 | 第118-121页 |
| 第7章 结论与展望 | 第121-125页 |
| 7.1 结论 | 第121-123页 |
| 7.2 展望 | 第123-125页 |
| 参考文献 | 第125-135页 |
| 致谢 | 第135-137页 |
| 作者攻读博士学位期间主要成果 | 第137-138页 |
