可穿戴式呼吸暂停识别系统的开发
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-23页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 呼吸暂停识别算法 | 第14-17页 |
| 1.2.2 可穿戴呼吸暂停识别系统 | 第17-20页 |
| 1.3 课题研究内容 | 第20-23页 |
| 1.3.1 主要技术难点 | 第20-21页 |
| 1.3.2 研究内容 | 第21-23页 |
| 2 呼吸生理学基础与流量检测原理概述 | 第23-30页 |
| 2.1 引言 | 第23页 |
| 2.2 呼吸流量信号简介 | 第23-25页 |
| 2.2.1 呼吸气流产生机理 | 第23-24页 |
| 2.2.2 常见的信号噪声 | 第24-25页 |
| 2.3 Apnea-ECG数据库 | 第25-27页 |
| 2.4 流量传感器的原理与选型 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 呼吸暂停识别算法开发 | 第30-53页 |
| 3.1 引言 | 第30页 |
| 3.2 信号预处理 | 第30-32页 |
| 3.3 结合排列熵与时频域分析的特征提取 | 第32-38页 |
| 3.3.1 排列熵原理简介 | 第33-34页 |
| 3.3.2 排列熵参数选择 | 第34-37页 |
| 3.3.3 基于统计量的特征提取 | 第37-38页 |
| 3.4 基于卷积神经网络的特征提取 | 第38-43页 |
| 3.4.1 卷积神经网络概述 | 第38-42页 |
| 3.4.2 结合神经网络的特征提取 | 第42-43页 |
| 3.5 分类器选型与评价函数 | 第43-45页 |
| 3.5.1 特征选择 | 第43-44页 |
| 3.5.2 分类与评价 | 第44-45页 |
| 3.6 结果分析与讨论 | 第45-51页 |
| 3.6.1 排列熵与时频域特征提取结果分析 | 第45-48页 |
| 3.6.2 卷积神经网络特征提取结果分析 | 第48-50页 |
| 3.6.3 比较与讨论 | 第50-51页 |
| 3.7 本章小结 | 第51-53页 |
| 4 可穿戴式呼吸暂停识别系统构建 | 第53-73页 |
| 4.1 引言 | 第53页 |
| 4.2 系统模块组成 | 第53-58页 |
| 4.3 传感器标定 | 第58-61页 |
| 4.4 气密性仿真与实验 | 第61-66页 |
| 4.4.1 气密性仿真分析 | 第61-64页 |
| 4.4.2 气密性实验验证 | 第64-66页 |
| 4.5 算法泛化能力测试 | 第66-70页 |
| 4.6 用户图形界面开发 | 第70-72页 |
| 4.7 本章小结 | 第72-73页 |
| 5 可穿戴式呼吸暂停识别系统实验研究 | 第73-82页 |
| 5.1 引言 | 第73页 |
| 5.2 滤波器选型与调参 | 第73-77页 |
| 5.3 呼吸状态实时监测实验 | 第77-81页 |
| 5.3.1 状态监测实验 | 第77-79页 |
| 5.3.2 系统误判成因分析 | 第79-80页 |
| 5.3.3 其他性能测试 | 第80-81页 |
| 5.4 本章小结 | 第81-82页 |
| 6 总结与展望 | 第82-85页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间科研成果和参与项目 | 第90页 |
