基于压缩采样的ECG信号压缩算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景和研究意义 | 第10-13页 |
| 1.2 国内外研究发展现状 | 第13-17页 |
| 1.2.1 传统心电压缩算法 | 第13-14页 |
| 1.2.2 压缩采样算法 | 第14-17页 |
| 1.2.3 生理信号的压缩采样应用 | 第17页 |
| 1.3 论文主要内容 | 第17-18页 |
| 1.4 论文的主要组织结构 | 第18-19页 |
| 第2章 压缩采样理论基础 | 第19-28页 |
| 2.1 压缩采样理论基本模型 | 第19-23页 |
| 2.1.1 传统编码解码理论 | 第19-20页 |
| 2.1.2 压缩采样理论 | 第20-21页 |
| 2.1.3 CS的基本准则 | 第21-23页 |
| 2.2 压缩采样的核心问题 | 第23-26页 |
| 2.2.1 稀疏字典设计 | 第23-24页 |
| 2.2.2 测量矩阵的设计 | 第24-25页 |
| 2.2.3 重建算法设计 | 第25-26页 |
| 2.3 压缩算法性能指标 | 第26-27页 |
| 2.4 实验数据 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 单导联ECG信号压缩采样算法 | 第28-45页 |
| 3.1 基于压缩采样的ECG信号稀疏表示 | 第28-34页 |
| 3.1.1 超完备信号稀疏表示 | 第28-29页 |
| 3.1.2 冗余字典的构成 | 第29-31页 |
| 3.1.3 离散小波变换 | 第31页 |
| 3.1.4 基于低频系数的K-SVD算法 | 第31-32页 |
| 3.1.5 字典性能测试结果与分析 | 第32-34页 |
| 3.2 基于确定性测量矩阵的分段BSBL算法 | 第34-44页 |
| 3.2.1 多项式确定性矩阵的构造 | 第35页 |
| 3.2.2 分段BSBL算法 | 第35-38页 |
| 3.2.3 实验分析 | 第38-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 多导联心电信号压缩采样算法 | 第45-62页 |
| 4.1 引言 | 第45-48页 |
| 4.2 MMV模型 | 第48-52页 |
| 4.2.1 验证多导联信号的联合稀疏性 | 第50-51页 |
| 4.2.2 心电信号的时间相关性 | 第51-52页 |
| 4.3 基于多观测向量问题的统计优化算法 | 第52-58页 |
| 4.3.1 变分贝叶斯理论 | 第52-54页 |
| 4.3.2 学生t分布 | 第54页 |
| 4.3.3 变分贝叶斯的CS框架 | 第54-55页 |
| 4.3.4 T-MSBL算法 | 第55-57页 |
| 4.3.5 VB与EM算法比较 | 第57-58页 |
| 4.4 实验结果及其分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
