论文目录 | |
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-12页 |
| · 课题背景与意义 | 第9页 |
| · 国内外研究现状 | 第9-10页 |
| · 国外远程健康监护技术研究现状 | 第10页 |
| · 国内远程健康监护技术研究现状 | 第10页 |
| · 研究内容与结构安排 | 第10-12页 |
| 第二章 无线体域网和可穿戴平台 | 第12-26页 |
| · 无线传感器网络 | 第12-16页 |
| · 无线传感器网络架构 | 第12-13页 |
| · 无线传感器节点的功能模块组成 | 第13-14页 |
| · 无线传感器网络特点 | 第14-15页 |
| · 无线传感器网络的典型应用 | 第15-16页 |
| · 无线体域网 | 第16-18页 |
| · 无线体域网的系统组成 | 第16-17页 |
| · 无线体域网关键技术 | 第17-18页 |
| · 无线体域网中的无线通信技术 | 第18-22页 |
| · ZigBee通信技术及其特点 | 第18-20页 |
| · 蓝牙通信协议及其特点 | 第20-21页 |
| · 其他通信协议及其特点 | 第21-22页 |
| · 可穿戴生理参数监护设备 | 第22-24页 |
| · 心电监护设备介绍 | 第22页 |
| · Shimmer介绍 | 第22-24页 |
| · TinyOS系统介绍 | 第24-25页 |
| · TinyOS系统的特点 | 第24-25页 |
| · 本章小结 | 第25-26页 |
| 第三章 基于S-G滤波器的心电信号实时在线去噪算法研究与实现 | 第26-45页 |
| · 心电图生理学基础 | 第26-28页 |
| · 传统的心电分析算法 | 第28-29页 |
| · 卡尔曼滤波算法 | 第28-29页 |
| · 基于Savitzky-Golay滤波算法的ECG信号去噪处理 | 第29-35页 |
| · Savitzky-Golay滤波器原理 | 第30-32页 |
| · Savitzky-Golay滤波器频域特性 | 第32-34页 |
| · Savitzky-Golay滤波器在处理心电信号时参数的选择 | 第34-35页 |
| · Savitzky-Golay滤波器对ECG信号处理效果 | 第35-39页 |
| · 静止状态下的滤波效果 | 第36-37页 |
| · 运动状态下的滤波效果 | 第37-39页 |
| · Savitzky-Golay滤波器在线实时处理ECG的实现 | 第39-44页 |
| · 在线处理ECG信号的意义 | 第39-40页 |
| · 使用S-G滤波在线处理的实现 | 第40-43页 |
| · ZigBee数据包的传输格式 | 第43-44页 |
| · 本章小结 | 第44-45页 |
| 第四章 融合三轴加速度与ECG信号的跌倒检测算法研究与实现 | 第45-57页 |
| · 老年人跌倒原因分析 | 第45页 |
| · 现有跌倒检测算法的分类 | 第45-46页 |
| · 数据采集以及预处理 | 第46-49页 |
| · 三轴加速度计的数据采集 | 第46-47页 |
| · 信号的校准及预处理 | 第47-49页 |
| · 跌倒信号的特征提取 | 第49-52页 |
| · SMV特征 | 第49-50页 |
| · 标准差特征 | 第50页 |
| · 提取ECG信号中的心率 | 第50-52页 |
| · 跌倒检测算法 | 第52-53页 |
| · 基于阈值判断的跌倒检测算法 | 第52-53页 |
| · 基于KNN算法的跌倒检测算法 | 第53页 |
| · 实验仿真 | 第53-56页 |
| · 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| · 本文总结 | 第57页 |
| · 未来展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间申请的专利 | 第62-63页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
