| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 起搏心电信号研究现状 | 第10页 |
| 1.2.2 压缩感知研究现状 | 第10-12页 |
| 1.3 论文中符号、标记及指标定义的说明 | 第12-14页 |
| 1.4 论文的具体章节安排 | 第14-17页 |
| 2 压缩感知理论及起搏心电信号监测 | 第17-27页 |
| 2.1 压缩感知采样 | 第17-20页 |
| 2.1.1 压缩感知采样原理 | 第17-18页 |
| 2.1.2 信号的稀疏表示 | 第18-19页 |
| 2.1.3 感知矩阵的特征 | 第19-20页 |
| 2.2 压缩感知重构 | 第20-23页 |
| 2.2.1 信号重构原理 | 第20-22页 |
| 2.2.2 重构算法类别及特征 | 第22-23页 |
| 2.3 起搏心电信号与压缩感知的结合 | 第23-26页 |
| 2.3.1 起搏心电远程监测的研究 | 第23-24页 |
| 2.3.2 信号采样端的感知过程 | 第24-25页 |
| 2.3.3 信号恢复端的重构过程 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 起搏心电信号感知矩阵的设计 | 第27-35页 |
| 3.1 感知矩阵的构造 | 第27-31页 |
| 3.1.1 高斯随机矩阵 | 第27-28页 |
| 3.1.2 随机伯努利矩阵 | 第28页 |
| 3.1.3 部分哈达玛矩阵 | 第28-29页 |
| 3.1.4 部分傅里叶矩阵 | 第29-30页 |
| 3.1.5 托普利兹测量矩阵 | 第30页 |
| 3.1.6 稀疏随机矩阵 | 第30-31页 |
| 3.2 稀疏 0-1 随机矩阵的设计 | 第31-34页 |
| 3.2.1 信号感知终端的嵌入式设备 | 第31页 |
| 3.2.2 适用于嵌入式采样终端的测量矩阵 | 第31-32页 |
| 3.2.3 稀疏 0-1 感知矩阵的实验表现 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 基于BSBL的起搏心电信号重构 | 第35-43页 |
| 4.1 OMP算法原理 | 第35页 |
| 4.2 BSBL算法原理 | 第35-37页 |
| 4.3 BSBL框架算法的参数选取 | 第37-40页 |
| 4.4 算法对比及分析 | 第40-42页 |
| 4.4.1 全部信号的重构精度对比 | 第40页 |
| 4.4.2 算法重构效率对比 | 第40-41页 |
| 4.4.3 算法压缩率对重构性能的影响 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 基于岭回归的有偏重构算法RROMP | 第43-61页 |
| 5.1 噪声环境下真实信号的污染 | 第43-44页 |
| 5.2 岭回归有偏估计思想 | 第44-45页 |
| 5.2.1 从最小二乘到岭回归 | 第44-45页 |
| 5.2.2 岭回归中岭参数K的确定方法 | 第45页 |
| 5.3 岭回归正交匹配追踪重构算法 | 第45-48页 |
| 5.3.1 正交匹配追踪算法高重构效率的原理 | 第45-46页 |
| 5.3.2 岭回归正交匹配追踪算法详细描述 | 第46-48页 |
| 5.4 RROMP算法中岭参数K的优化 | 第48-51页 |
| 5.4.1 最佳K值影响因素的确定 | 第48-50页 |
| 5.4.2 岭参数K与信噪比关系的证明 | 第50-51页 |
| 5.5 实验结果与分析 | 第51-60页 |
| 5.5.1 实验过程设计 | 第51-53页 |
| 5.5.2 RROMP算法验证 | 第53-55页 |
| 5.5.3 真实信号的重构实验 | 第55-57页 |
| 5.5.4 RROMP与BSBL、OMP算法的重构对比 | 第57-59页 |
| 5.5.5 RROMP算法在不同类别噪声环境下的重构对比 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 未来展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第69页 |