| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 无创血压测量方法简介 | 第10-15页 |
| 1.2.1 间歇式血压测量方法 | 第11页 |
| 1.2.2 连续式血压测量方法 | 第11-15页 |
| 1.3 本文的研究内容及章节安排 | 第15-17页 |
| 2 基于PWPS和PWTT实现血压测量的基础理论 | 第17-25页 |
| 2.1 脉搏波和血压的生理基础 | 第17-21页 |
| 2.1.1 动脉血压的形成及影响因素 | 第17-18页 |
| 2.1.2 脉搏波的产生与传播 | 第18-19页 |
| 2.1.3 脉搏波信号的特征点划分和生理意义 | 第19-21页 |
| 2.2 基于PWPS和PWTT测量血压的可行性探索 | 第21-25页 |
| 2.2.1 PWPs与血压的关系 | 第21-22页 |
| 2.2.2 PWTT与血压的关系 | 第22-25页 |
| 3 实验信号采集与预处理 | 第25-55页 |
| 3.1 实验设计及信号采集 | 第25-27页 |
| 3.2 信号特点及噪声类型分析 | 第27-29页 |
| 3.2.1 脉搏波信号的特点 | 第27-28页 |
| 3.2.2 心电信号的特点 | 第28-29页 |
| 3.2.3 信号噪声类型分析 | 第29页 |
| 3.3 基于DTCWT-SPLINE的脉搏波信号去噪方法 | 第29-47页 |
| 3.3.1 双树复小波变换 | 第31-36页 |
| 3.3.2 基于滑窗法的脉搏波信号波谷点识别 | 第36-38页 |
| 3.3.3 三次样条插值法 | 第38页 |
| 3.3.4 基于DTCWT-Spline的脉搏波信号去噪算法 | 第38-40页 |
| 3.3.5 脉搏波信号的去噪结果与分析 | 第40-47页 |
| 3.4 基于DTCWT-MF的心电信号去噪算法研究 | 第47-53页 |
| 3.4.1 形态学滤波 | 第47-48页 |
| 3.4.2 基于DTCWT-MF的心电信号去噪方法 | 第48-49页 |
| 3.4.3 心电信号的去噪结果与分析 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 4 脉搏波信号特征点和心电信号R波识别 | 第55-69页 |
| 4.1 基于DTCWT-SW-DM的脉搏波特征点识别方法 | 第55-63页 |
| 4.1.1 特征点b和c的识别 | 第57-58页 |
| 4.1.2 特征点f和g的识别 | 第58-59页 |
| 4.1.3 特征点d的识别 | 第59-60页 |
| 4.1.4 特征点e的识别 | 第60-61页 |
| 4.1.5 脉搏波特征点识别结果 | 第61-63页 |
| 4.2 基于DTCWT-SW的心电信号R波识别方法 | 第63-66页 |
| 4.2.1 心电信号R波的识别 | 第64-65页 |
| 4.2.2 心电信号R波识别结果 | 第65-66页 |
| 4.3 本章小结 | 第66-69页 |
| 5 GA-MIV-BP神经网络连续血压无创监测模型的构建 | 第69-91页 |
| 5.1 PWPS和PWTT的提取 | 第69-70页 |
| 5.2 MIV-BP神经网络模型的构建与分析 | 第70-78页 |
| 5.2.1 单纯BP神经网络模型的训练 | 第70-74页 |
| 5.2.2 基于MIV的BP神经网络模型输入参数的选择 | 第74-76页 |
| 5.2.3 MIV-BP神经网络模型的训练和评价 | 第76-78页 |
| 5.3 GA-MIV-BP神经网络模型的构建与分析 | 第78-89页 |
| 5.3.1 GA-MIV-BP神经网络模型的构建 | 第79-83页 |
| 5.3.2 与其他血压模型的对比 | 第83-86页 |
| 5.3.3 GA-MIV-BP模型预测值与血压计测量值之间的差异性比较 | 第86-88页 |
| 5.3.4 GA-MIV-BP神经网络模型的优势与不足 | 第88-89页 |
| 5.4 本章小结 | 第89-91页 |
| 6 总结与展望 | 第91-93页 |
| 6.1 总结 | 第91-92页 |
| 6.2 展望 | 第92-93页 |
| 致谢 | 第93-95页 |
| 参考文献 | 第95-103页 |
| 附录 | 第103页 |
| A.作者在攻读学位期间发表的论文目录 | 第103页 |
| B.作者在攻读学位期间参与的科研项目 | 第103页 |
