首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

用于身份识别的典型心电波形自动筛选策略的研究

摘要第4-5页
abstract第5页
第一章 绪论第8-16页
    1.1 生物特征识别技术概述第8-9页
    1.2 ECG身份识别的可行性分析第9-10页
        1.2.1 ECG信号的产生原理第9页
        1.2.2 ECG身份识别的可行性第9-10页
    1.3 国内外研究现状第10-12页
        1.3.1 基于特征点的ECG身份识别第10-11页
        1.3.2 基于波形形态的ECG身份识别第11-12页
    1.4 心电波形质量对身份识别准确率的影响第12-13页
        1.4.1 ECG信号异常波形第12页
        1.4.2 心电波形质量影响身份识别准确率第12-13页
    1.5 基于典型心电波形自动筛选的难点第13-14页
    1.6 本文主要研究内容和结构第14-16页
第二章 ECG信号采集和预处理第16-23页
    2.1 本文实验数据来源第16-17页
        2.1.1 自采数据第16-17页
        2.1.2 ECG-ID数据库第17页
    2.2 ECG信号去噪处理第17-19页
    2.3 心电波形单心动周期分割第19-22页
        2.3.1 心电信号的R波峰点检测第19-21页
        2.3.2 单心动周期分割第21页
        2.3.3 ECG信号不同采集数据精度的标准化第21-22页
    2.4 本章小结第22-23页
第三章 标准心电波形的高斯混合模型建立第23-37页
    3.1 标准完整ECG波形第23-24页
    3.2 特征提取第24-26页
    3.3 高斯模型第26-28页
        3.3.1 正态分布(高斯分布)第26-27页
        3.3.2 高斯混合模型(GMM,GaussianMixtureModel)第27-28页
    3.4 ECG完整单心动周期的高斯模型第28-31页
        3.4.1 高斯模型初始化第28页
        3.4.2 EM算法参数估计第28-30页
        3.4.3 基于马氏距离的相似性度量第30页
        3.4.4 阈值的确定第30-31页
    3.5 实验及结果分析第31-36页
        3.5.1 实验数据第31页
        3.5.2 完整波形判定标准第31-32页
        3.5.3 实验步骤及方法第32页
        3.5.4 实验结果及分析第32-36页
    3.6 本章小结第36-37页
第四章 基于高斯混合模型的典型心电波形筛选第37-48页
    4.1 分段P、QRS、T特征提取第37-40页
        4.1.1 P、QRS、T波段划分第37-39页
        4.1.2 特征提取第39-40页
    4.2 P、QRS、T波典型高斯模型第40-42页
        4.2.1 高斯混合模型初始化第40页
        4.2.2 高斯混合模型参数表示第40-41页
        4.2.3 典型波形高斯混合模型阈值表示第41-42页
    4.3 波形完整性筛选对比实验第42-44页
        4.3.1 实验数据第42页
        4.3.2 实验方法及步骤第42页
        4.3.3 实验结果及分析第42-44页
    4.4 身份识别对比实验第44-47页
        4.4.1 实验数据第44页
        4.4.2 实验方法及步骤第44-45页
        4.4.3 实验结果及分析第45-47页
    4.5 本章小结第47-48页
第五章 总结及展望第48-50页
    5.1 工作总结第48-49页
    5.2 工作展望第49-50页
参考文献第50-54页
发表论文和科研情况说明第54-55页
致谢第55页

论文共55页,点击 下载论文
上一篇:有效运用"多媒体"的文化教学教案探讨
下一篇:车载网中基于深度学习的流量预测及分析研究