心肺复苏中胸阻抗信号的自动监测算法研究

心肺复苏论文 胸阻抗论文 自动识别论文 线性判别法论文
论文详情
中文摘要第3-5页
英文摘要第5-6页
1 绪论第9-14页
    1.1 课题背景与研究意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 本文主要工作第12页
    1.4 本文组织结构第12-14页
2 信号的处理与识别基本原理第14-27页
    2.1 信号的预处理方法第14-21页
        2.1.1 移动平滑滤波第15页
        2.1.2 自适应滤波第15-17页
        2.1.3 数学形态学滤波第17-19页
        2.1.4 小波滤波第19-21页
    2.2 模式识别分类方法第21-26页
        2.2.1 线性判别法分类识别第21-22页
        2.2.2 BP神经网络分类识别第22-23页
        2.2.3 支持向量机分类识别第23-24页
        2.2.4 K均值聚类分析法分类识别第24-26页
    2.3 本章小结第26-27页
3 基于模式识别的胸阻抗自动检测算法第27-49页
    3.1 胸阻抗信号的采集第28-32页
        3.1.1 动物手术操作第28-29页
        3.1.2 实验过程第29-30页
        3.1.3 数据采集第30-32页
    3.2 基于小波与形态学的胸阻抗信号滤波第32-40页
        3.2.1 基于形态学的胸阻抗信号滤波第33-35页
        3.2.2 基于小波软阈值的胸阻抗信号滤波第35-36页
        3.2.3 胸阻抗信号滤波方法的实验对比与分析第36-40页
    3.3 基于多分辨率窗口搜索法的波形标记第40-44页
        3.3.1 胸阻抗信号波形特征点第40-41页
        3.3.2 基于多分辨率窗口搜索法的波形标记第41-43页
        3.3.3 波形标记方法的实验对比及性能分析第43-44页
    3.4 胸阻抗信号的时域特征提取第44-46页
    3.5 基于线性判定分析法的分类识别方法第46页
    3.6 实验结果及分析第46-48页
    3.7 本章小结第48-49页
4 采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法第49-63页
    4.1 胸阻抗信号波形的时频域特征提取第50-52页
        4.1.1 胸阻抗信号的时域特征提取第50页
        4.1.2 基于小波分解的胸阻抗信号的频域特征提取第50-52页
    4.2 基于密度加权和偏好信息的K均值聚类的分类识别算法第52-55页
        4.2.1 K值和距离函数的选择第53页
        4.2.2 K均值聚类的密度加权第53-55页
        4.2.3 偏好信息的引入第55页
    4.3 实验结果及分析第55-61页
        4.3.1 基于密度加权和偏好信息的K均值聚类的分类识别算法分类识别结果第55-57页
        4.3.2 分类识别算法的实验对比及分析第57-58页
        4.3.3 现有胸阻抗自动检测算法的性能对比及分析第58-60页
        4.3.4 胸阻抗信号的实时自动监测效果展示第60-61页
    4.4 本章小结第61-63页
5 总结与展望第63-65页
    5.1 论文总结第63-64页
    5.2 未来工作的展望第64-65页
致谢第65-66页
参考文献第66-70页
附录第70页
    A.作者在攻读学位期间发表的论文及专利结果第70页
    B.作者在攻读学位期间参与的科研项目第70页
论文购买
论文编号ABS4426962,这篇论文共70页
会员购买按0.30元/页下载,共需支付21
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付35
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656