| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内外睡眠研究及监测技术的发展状况 | 第11-12页 |
| 1.2.2 BCG信号国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容及结构 | 第14-16页 |
| 第二章 BCG信号生理意义及采集系统 | 第16-26页 |
| 2.1 心冲击图信号原理 | 第16-22页 |
| 2.2 使用机器学习的方式从BCG信号中计算心率问题的提出 | 第22-23页 |
| 2.3 BCG信号采集装置：压电薄膜传感器 | 第23-24页 |
| 2.4 本文使用采集系统的相关设计及参数 | 第24-26页 |
| 第三章 基于无监督学习的方式从BCG信号提取心率 | 第26-38页 |
| 3.1 聚类算法简介 | 第26-30页 |
| 3.1.1 聚类分析介绍 | 第26-27页 |
| 3.1.2 聚类的距离度量 | 第27-29页 |
| 3.1.3 主要的聚类方法 | 第29-30页 |
| 3.2 聚类性能度量 | 第30页 |
| 3.3 K-MEANS算法 | 第30-32页 |
| 3.3.1 k-means算法流程 | 第31页 |
| 3.3.2 k-means聚类数目的选择 | 第31-32页 |
| 3.3.3 k-means初始类中心的确定 | 第32页 |
| 3.4 本文所采用的实验方式 | 第32-38页 |
| 3.4.1 训练过程 | 第33-36页 |
| 3.4.2 心率检测 | 第36-37页 |
| 3.4.3 结果分析 | 第37-38页 |
| 第四章 基于监督学习的方式从BCG信号提取心率 | 第38-53页 |
| 4.1 信号的预处理 | 第38-40页 |
| 4.1.1 BCG信号的描述 | 第38-39页 |
| 4.1.2 BCG信号的预处理 | 第39-40页 |
| 4.2 算法构建 | 第40-49页 |
| 4.2.1 子序列构建 | 第40-42页 |
| 4.2.2 特征提取 | 第42-44页 |
| 4.2.3 序列分类 | 第44-48页 |
| 4.2.4 后处理和心率估计 | 第48-49页 |
| 4.3 模型分析 | 第49-51页 |
| 4.4 对比实验 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 硕士期间取得的研究成果 | 第59页 |