声明
摘要
第1章 绪论
1.1 选题的背景和意义
1.1.1 选题背景
1.1.2 选题意义
1.2 TWA检测算法研究现状
1.2.1 TWA检测中信号预处理方法研究现状
1.2.2 TWA检测中T波提取和对齐方法研究现状
1.2.3 TWA检测中交替分析方法研究现状
1.3 论文的研究内容及创新点
1.4 论文的组织结构
第2章 基于EMD和数学形态学相结合的自适应去噪算法研究
2.1 引言
2.2 心电图中的去噪方法分析
2.2.1 心电图中随机噪声滤除方法分析
2.2.2 心电图中基线漂移滤波方法分析
2.3 基于EMD和形态学方法相结合的自适应去噪方法研究
2.3.1 算法模型及问题描述
2.3.2 数学形态学峰谷提取
2.3.3 自适应噪声阈值估计
2.3.4 改进阈值量化法
2.3.5 基于中值滤波和EMD相结合的基线漂移滤除
2.4 算法仿真与分析
2.4.1 算法性能评价指标
2.4.2 去噪算法性能对比分析
2.4.3 基线漂移滤除算法性能对比分析
2.5 本章小结
第3章 基于粒子群和心电图模型相结合的T波提取和对齐方法
3.1 引言
3.2 心电图中T波提取和对齐方法分析
3.3 基于粒子群和心电图模型相结合的T波提取和对齐方法
3.3.1 基于高斯核的心电图波形模型建立
3.3.2 基于心电图波形模型的T波提取
3.3.2 基于粒子群的T波提取
3.3.3 基于模版匹配T波序列对齐
3.4 算法仿真与分析
3.5 本章小结
第4章 非高斯条件下基于粒子滤波的TWA分析方法研究
4.1 引言
4.2 粒子滤波介绍
4.3 非高斯条件下基于粒子滤波的TWA分析方法研究
4.2.1 TWA的动态状态空间模型建立
4.2.2 基于拉普拉斯分布的TWA噪声概率统计模型
4.2.3 基于粒子滤波的TWA估计
4.2.4 TWA幅度的量化计算
4.2.5 算法仿真与分析
4.5 本章小结
第5章 基于L1趋势估计的非稳态TWA高抗噪性分析方法研究
5.1 引言
5.2 非稳态TWA现象分析
5.2.1 相位非稳态TWA现象
5.2.2 时间非稳态TWA现象
5.2.3 幅值非稳态TWA现象
5.2.4 含瞬时尖峰非稳态TWA现象
5.3 L1趋势估计
5.3.1 H-P趋势估计
5.3.2 L1趋势估计
5.4 基于LI趋势估计的TWA分析方法研究
5.4.1 算法概述
5.4.2 T波数据中TWA现象的数学解析
5.4.3 基于L1趋势估计的TWA参数计算
5.5 算法仿真与分析
5.6 本章小结
第6章 基于小波分析和Bootstrap相结合的非参数TWA分析方法研究
6.1 引言
6.2 Bootstrap非参数统计方法
6.2.1 Bootstrap的概念
6.2.2 Bootstrap方法的基本思想
6.2.3 Bootstrap方法的优势
6.3 基于小波分析和Bootstrap相结合的非参数TWA分析方法研究
6.3.1 算法概述
6.3.2 基于小波分析的非稳态TWA分段
6.3.3 基于Bootstrap的TWA检测算法
6.4 算法仿真与分析
6.4.1 模拟仿真
6.4.2 MIT数据仿真实验
6.5 本章小结
第7章 结论与展望
7.1 结论
7.2 展望
参考文献
致谢
作者攻读博士学位期间主要成果