首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

移动健康监护跟踪系统的设计

摘要第4-5页
Abstract第5-6页
1 绪论第10-14页
    1.1 研究背景及意义第10页
    1.2 心电信号简介第10-11页
    1.3 心电及跌倒监测研究现状第11-12页
        1.3.1 心电监测研究现状第11页
        1.3.2 跌倒检测研究现状第11-12页
    1.4 论文主要内容第12-13页
    1.5 论文结构安排第13-14页
2 人体活动受力分析以及SVM阈值算法分析第14-23页
    2.1 人体活动受力分析条件第14-16页
    2.2 人体活动受力分析第16-19页
        2.2.1 循环性活动第16-18页
        2.2.2 非循环性活动第18-19页
    2.3 SVM阈值摔倒检测算法第19-21页
        2.3.1 确定参考物理量第19页
        2.3.2 数据分析第19页
        2.3.3 SVM阈值检测算法第19-21页
    2.4 本章小结第21-23页
3 小波变换基本理论和心电信号去噪第23-34页
    3.1 从傅立叶变换到小波变换第23页
    3.2 连续小波变换第23-24页
        3.2.1 小波基函数第23-24页
        3.2.2 连续小波变换第24页
    3.3 离散小波变换第24-25页
    3.4 多分辨率分析第25-27页
        3.4.1 多分辨率分析概念的引入第25-26页
        3.4.2 小波空间第26-27页
        3.4.3 二尺度方程第27页
    3.5 MALLAT算法第27-29页
    3.6 基于小波变换的心电信号去噪第29-33页
        3.6.1 小波分解层数的确定第29-30页
        3.6.2 小波阈值去噪第30-32页
        3.6.3 小波去噪仿真实验第32-33页
    3.7 本章小结第33-34页
4 基于小波变换的心电信号摔倒检测算法第34-45页
    4.1 基于小波变换的奇异点检测第34-35页
    4.2 QRS波群检测算法第35-40页
        4.2.1 小波函数的选取第35页
        4.2.2 R峰值点的检测第35-36页
        4.2.3 QRS波群起始点检测第36-38页
        4.2.4 仿真实验分析第38-40页
    4.3 P、T波检测算法第40-42页
        4.3.1 P波检测算法第40-41页
        4.3.2 T波关键点检测算法第41页
        4.3.3 仿真实验分析第41-42页
    4.4 心电信号摔倒检测算法第42-44页
    4.5 本章小结第44-45页
5 系统硬软件设计及实验测试第45-63页
    5.1 系统结构第45-46页
    5.2 系统硬件部分第46-51页
        5.2.1 心电信号采集模块第46-48页
        5.2.2 三维变量采集模块第48-49页
        5.2.3 采集系统主控制芯片第49-50页
        5.2.4 SVM阈值摔倒检测第50页
        5.2.5 蓝牙传输模块第50-51页
    5.3 系统软件部分第51-55页
        5.3.1 心电数据Android智能手机接收模块第51-53页
        5.3.2 心电波形显示模块第53-54页
        5.3.3 正常心电信号特征值获取模块第54页
        5.3.4 心电信号摔倒检测模块第54页
        5.3.5 GPS地理位置获取模块第54-55页
        5.3.6 短信警示模块第55页
    5.4 系统实验测试第55-62页
        5.4.1 实验平台第55页
        5.4.2 心电信号实验检测第55-57页
        5.4.3 三维变量实验检测第57页
        5.4.4 手机数据接收测试第57-59页
        5.4.5 手机波形显示和特征值提取测试第59-60页
        5.4.6 人体摔倒系统测试第60-62页
    5.5 本章小结第62-63页
结论第63-65页
致谢第65-66页
参考文献第66-68页

论文共68页,点击 下载论文
上一篇:微博网络舆情建模及发展趋势预测研究
下一篇:基于正规化回归模型的医疗诊断数据挖掘应用研究