声明
摘要
第一章 绪论
1.1 论文的研究目的及意义
1.2 论文的国内外研究现状及发展动态
1.2.1 心电信号特征提取的国内外研究现状及发展动态
1.2.2 心电信号分类的国内外研究现状及发展动态
1.3 论文的主要研究内容及章节安排
第二章 心电信号预处理
2.1 心电信号基础知识
2.1.1 心电信号特点
2.1.2 心律失常
2.2 MIT-BIH心律失常数据库
2.3 本文所用心电信号预处理方法
2.4 本章小结
第三章 心电信号非线性特征提取算法
3.1 本文非线性特征提取算法的实现方案
3.2 基于小波包分解-近似熵的非线性特征提取子算法
3.2.1 小波包分解理论
3.2.2 近似熵算法
3.2.3 基于小波包分解-近似熵的特征提取算法设计
3.2.4 基于小波包分解-近似熵的特征提取算法的仿真分析
3.3 基于经验模式分解-近似熵的非线性特征提取子算法
3.3.1 固有模式函数
3.3.2 经验模式分解过程
3.3.3 基于经验模式分解-近似熵的特征提取算法设计
3.3.4 基于经验模式分解-近似熵的特征提取算法的仿真分析
3.4 两种子算法结合后的非线性特征向量
3.5 本章小结
第四章 心电节拍分类算法
4.1 基于概率神经网络的心电节拍分类
4.1.1 概率神经网络原理
4.1.2 粒子群优化算法
4.1.3 基于概率神经网络的分类算法设计
4.1.4 基于概率神经网络的分类算法的仿真分析
4.2 基于支持向量机的心电节拍分类
4.2.1 统计学习理论
4.2.2 支持向量机原理
4.2.3 基于支持向量机的分类算法设计
4.2.4 基于支持向量机的分类算法的仿真分析
4.3 心电节拍分类结果对比分析
4.4 本章小结
第五章 心电信号非线性特征提取和分类实验分析
5.1 心电信号的采集
5.1.1 心电信号采集实验平台的搭建
5.1.2 心电信号采集结果
5.2 心电采集信号的非线性特征提取实验
5.3 心电采集信号的分类实验
5.3.1 基于概率神经网络分类的实验及结果分析
5.3.2 基于支持向量机分类的实验及结果分析
5.3.3 两种分类方法的实验结果对比分析
5.4 本章小结
第六章 总结与展望
6.1 论文工作总结
6.2 展望
参考文献
发表论文和参加科研情况
致谢