| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-16页 |
| 1.2.1 利用声音信号进行睡眠分析的研究现状 | 第12-13页 |
| 1.2.2 利用声音信号进行呼吸暂停检测的研究现状 | 第13-15页 |
| 1.2.3 利用心电信号进行呼吸暂停检测的研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 1.4 本文的组织安排 | 第18-19页 |
| 第2章 基于声音信号的睡眠分析方法的研究 | 第19-31页 |
| 2.1 引言 | 第19-20页 |
| 2.2 相关工作 | 第20页 |
| 2.3 基于声音信号的睡眠分析模型 | 第20-21页 |
| 2.3.1 系统模型 | 第20-21页 |
| 2.3.2 问题定义 | 第21页 |
| 2.4 睡眠事件及环境噪声的检测 | 第21-27页 |
| 2.4.1 特征提取 | 第21-24页 |
| 2.4.2 噪声检测 | 第24-25页 |
| 2.4.3 层次支持向量机模型 | 第25-27页 |
| 2.5 睡眠质量分析 | 第27-29页 |
| 2.5.1 睡眠质量估计方法 | 第27-29页 |
| 2.6 实验结果与分析 | 第29-30页 |
| 2.6.1 对睡眠事件及环境噪声的识别 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于声音信号的呼吸暂停诊断方法的研究 | 第31-42页 |
| 3.1 引言 | 第31-32页 |
| 3.2 相关工作 | 第32页 |
| 3.3 基于声音信号的呼吸暂停的诊断模型 | 第32-33页 |
| 3.3.1 系统模型 | 第32-33页 |
| 3.3.2 问题定义 | 第33页 |
| 3.4 鼾声检测 | 第33-38页 |
| 3.4.1 V-Box算法 | 第33-35页 |
| 3.4.2 特征提取 | 第35页 |
| 3.4.3 模糊决策树 | 第35-38页 |
| 3.5 利用鼾声进行呼吸暂停诊断 | 第38-41页 |
| 3.5.1 特征提取 | 第38-40页 |
| 3.5.2 呼吸暂停检测 | 第40-41页 |
| 3.6 实验结果与分析 | 第41页 |
| 3.6.1 对呼吸暂停患者的识别 | 第41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 基于心电信号的呼吸暂停检测方法的研究 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 相关工作 | 第43-44页 |
| 4.3 基于心电信号的呼吸暂停的检测模型 | 第44-45页 |
| 4.3.1 系统模型 | 第44页 |
| 4.3.2 问题定义 | 第44-45页 |
| 4.4 利用心电信号进行呼吸暂停检测 | 第45-51页 |
| 4.4.1 数据集 | 第45页 |
| 4.4.2 数据预处理 | 第45页 |
| 4.4.3 特征提取 | 第45-48页 |
| 4.4.4 特征选择 | 第48-50页 |
| 4.4.5 分类方法 | 第50-51页 |
| 4.5 实验结果及分析 | 第51-53页 |
| 4.5.1 不同分类器对呼吸暂停的识别情况 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目 | 第65页 |