目录
目 录
内容简介
前 言
1 绪 论
1.1 研究意义
1.2 研究现状及发展动态分析
1.3 移动智能心电监护手表项目的研发进展
2 FFT及小波变换快速并行算法研究
2.1 FFT并行计算
2.2 FFT算法与DFT算法
2.3 FFT并行算法
2.4 改进的FFT算法
2.4.1 FFT相关性质研究
2.4.2 基于多项式直接代入的改进算法
2.5 FFT算法验证
2.6 FFT并行计算研究讨论
2.7 小波变换并行算法研究
2.8 Mallat算法与快速傅立叶变换
2.9 基于MPSoC改进的FFT算法
2.9.1 FFT并行特性分析
2.9.2 FFT矩阵并行算法
2.10 小波变换并行算法优化
2.11 小波变换算法验证
2.12 小结
3 基于EZW的ECG压缩算法研究与改进
3.1 引言
3.2 提升小波变换
3.3 EZW优化与改进
3.3.1 小波变换高频系数的优化裁剪
3.3.2 EZW编码优化与改进
3.3.3 DEZW算法具体步骤
3.4 实验结果与结论
3.5 ECG压缩算法研究讨论
4 基于小波变换的ECG信号分析处理研究
4.1 ECG信号去噪研究
4.2 小波消失矩与最优小波基选择
4.2.1 小波消失矩与滤波器幅频特性
4.2.2 用于ECG信号处理的小波选择
4.3 ECG信号小波变换的分层处理
4.3.1 根据每层信号的频率特点选择不同消失矩的滤波器
4.3.2 通过小波变换去除工频干扰(https://www.daowen.com)
4.4 去噪实验结果分析
4.5 小波去噪讨论
4.6 ECG特征检测研究
4.7 QRS波及T波特征值提取
4.7.1 QRS波及T波频率特征分析
4.7.2 QRS波群及T波特征相关的小波系数提取
4.7.3 QRS波群及T波定位及特征值提取
4.8 ECG逆向分析与心肌外膜动作电位特征检测
4.8.1 心脏膜电位动作图与特征模型
4.8.2 心脏膜电位特征提取
4.9 ECG特征检测实验与仿真结果
4.10 特征检测讨论
5 移动终端最优节能实时任务调度算法
5.1 研究背景
5.1.1 基于智能终端系统实时任务调度的研究现状
5.1.2 问题分析与研究目标
5.2 相关工作
5.3 系统模型
5.3.1 处理器模型
5.3.2 任务模型
5.3.3 能耗模型
5.4 节能最优调度算法
5.4.1 算法的理论基础
5.4.2 DPS算法思路
5.4.3 DPS算法分析
5.5 实验与仿真效果
5.6 最优节能调试研究讨论
6 基于深度学习的ECG分析与识别
6.1 深度卷积神经网络
6.1.1 向前传播算法
6.1.2 反向传播算法更新网络参数
6.1.3 加强特征融合
6.2 ECG多分辨率深度学习
6.2.1 基于移动终端的轻量级深度学习模型
6.2.2 ECG快速卷积
6.2.3 快速归一化处理(fast normalization,FN)
6.3 ECG多分辨率深度学习框架
6.4 多分辨率快速深度神经网络训练与测试
参考文献