面向可穿戴式心电监护设备的信号处理与分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 心电信号预处理的研究现状 | 第9-10页 |
| 1.2.2 心电信号波形检测及特征提取的研究现状 | 第10-12页 |
| 1.2.3 心电信号分类的研究现状 | 第12-13页 |
| 1.3 课题的主要研究内容及结构安排 | 第13-15页 |
| 第二章 心电信号的预处理 | 第15-26页 |
| 2.1 MIT-BIH心律失常数据库介绍 | 第15-17页 |
| 2.2 心电信号噪声简介 | 第17-18页 |
| 2.3 全相位组合滤波器去除心电信号噪声 | 第18-25页 |
| 2.3.1 全相位陷波器理论基础 | 第18-21页 |
| 2.3.2 基于全相位的组合滤波器设计 | 第21-23页 |
| 2.3.3 实验结果与分析 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 心电信号多域特征的分析与提取 | 第26-40页 |
| 3.1 心电信号R波及QRS波群检测 | 第26-32页 |
| 3.1.1 基于自适应阈值的R波检测算法 | 第26-30页 |
| 3.1.2 基于位置关系的QRS波群定位 | 第30页 |
| 3.1.3 实验结果与分析 | 第30-32页 |
| 3.2 心电信号的时域特征 | 第32-35页 |
| 3.3 心电信号的频域特征 | 第35-37页 |
| 3.4 心电信号的高阶累积量特征 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于支持向量机的心律失常分类 | 第40-50页 |
| 4.1 支持向量机分类算法 | 第40-44页 |
| 4.1.1 SVM算法原理 | 第40-43页 |
| 4.1.2 SVM多分类算法 | 第43-44页 |
| 4.2 基于SVM的心律失常多分类实现 | 第44-47页 |
| 4.2.1 实验数据介绍 | 第44-45页 |
| 4.2.2 分类的实现 | 第45-47页 |
| 4.3 实验结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文内容的总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57-58页 |
