一、Study of Quantitative Indices to Describe the Poincare Dispersed-dot Plot for Heart States（论文文献综述）
李园园[1]（2021）在《基于乘员心率变异性的纯电动公交客车乘坐舒适性研究》文中研究表明目前,车辆的乘坐舒适性评价仍集中于对车辆振动响应特性研究,而忽略了人体的生理响应,因此本文引入反映人体自主神经活性的心率变异性（Heart Rate VariabilityHRV）分析评价纯电动公交客车乘员的乘坐舒适性。本文通过对西安市某纯电动公交客车整条线路运行工况下,7名乘员的心电信号和乘员处车辆振动信号的实际测量,采用小波和HRV技术,分析研究了乘员的生理响应,同时结合乘员主观评价,尝试提出考虑乘员生理响应特性的乘坐舒适性评价指标。本文首先按照GB/T 4970-2009《汽车平顺性试验方法》,依据车辆运行状态下乘员处振动响应信号,研究纯电动公交客车行驶平顺性,同时对乘员在不同乘车姿势（站姿和坐姿）和不同生理状态下（晕车和正常）的乘坐舒适性进行客观评价,结果发现,乘坐舒适性的客观评价与乘员主观评价存在明显差异。其次,从人体自主神经系统对外部振动激励的调控作用方面,说明采用HRV指标评价乘坐舒适性的可行性;然后根据心电信号的特征,利用小波变换和小波包分析技术,消除心电（ECG）信号中的基线漂移和肌电噪声,提高ECG信号的信噪比,以确保由ECG信号中提取心率间期（RR间期）的精度以及去除趋势项,进而采用中值滤波和三次样条插值,对异常RR间期进行检测替换,以保证HRV分析结果的准确。第三,从时域、频域、非线性和时频四个维度,对7名乘员的心电信号进行HRV分析,同时结合HRV指标和主观评价研究乘员不同乘车姿势和不同生理状态下的乘坐舒适性。最后从生理学角度以HRV分析为依据同时结合主观评价对纯电动公交客车在实际运行工况下的乘坐舒适性进行评价,结果发现,归一化TINN和Samp EN（样本熵）能够较为准确评价乘坐舒适性,晕车乘员TINN的均值和方差较正常乘员明显增大,Samp EN三次拟合曲线及其分散程度随正常乘员舒适度的降低而呈递增趋势。本文从乘员生理角度对纯电动公交客车乘坐舒适性进行评价研究,具有较好的应用研究前景,研究过程与结论可为进一步的探索提供参考。
杜艺[2]（2020）在《右美托咪定对腹腔镜手术全身麻醉下自主神经功能指标心率变异性的影响》文中进行了进一步梳理目的:全麻下腹腔镜手术期间,通过对心率变异性（HRV）的线性指标和非线性指标变化的观察,明确右美托咪定对自主神经功能的影响,为维护循环稳定,降低术中心血管事件风险,改善器官功能,促进快速康复提供重要的依据。方法:将ASA分级Ⅰ～Ⅱ级,心功Ⅰ～Ⅱ级,年龄大于30岁的50例行腹腔镜辅助结直肠癌根治术的患者分为右美托咪定组和对照组,患者入室后,右美托咪定组在麻醉诱导前给予静脉微泵输注右美托咪定0.5ug/kg,输注时间15 min后进行麻醉诱导插管,继续以0.4ug/（kg·h）持续静脉泵注,于手术结束前30 min停止给药。对照组同期采用同等容量的生理盐水进行麻醉诱导前的静脉泵注和后续持续静脉泵注。两组患者均采用同样的麻醉诱导和维持方法,于患者入室后（T0）、气管插管后10min（T1）、气腹建立后10min（T2）、气腹建立后60min（T3）、手术结束时（T4）记录患者心率（HR）、平均动脉压（MAP）、同时采集心电数据获得心率变异性的线性指标:相邻正常心跳间期差值平方和的均方根（RMSSD）、低频段功率（LF）、高频段功率（HF）、低频段功率/高频段功率（LF/HF）;非线性指标:去趋势波分析（DFA）中的α2、香农熵（Shan En）、样本熵（Samp En）、庞加莱图表法（Poincare plots）中的散点图短轴（SD1）、散点图长轴（SD2）及散点图短轴/长轴（SD1/SD2）,评估自主神经功能状态。结果:（1）一般情况及术中指标:两组患者在人口统计学特征、手术时间、麻醉时间、气腹持续时间、输液量及失血量差异均无统计学意义（P>0.05）。（2）术中血流动力学指标:两组患者术中MAP值无差异（P>0.05）,两组的MAP值均在T1时下降,T2时较T1升高,T3、T4较T2逐渐下降（P<0.001）。右美托咪定组HR值低于对照组（P<0.05）。右美托咪定组HR值随术后时间的增加而降低;对照组HR值T2较T1升高,T1、T3、T4较T0呈逐渐降低（P<0.001）。（3）心率变异性指标:在T2、T3时右美托咪定组RMSSD均高于对照组（P<0.05）;两组患者T1、T2、T3时RMSSD值均低于于T0和T4（P<0.05）。右美托咪定组HF值均高于对照组（P<0.05）,在T1时下降,T2、T3、T4逐渐升高;对照组T1～T3逐渐下降,T4时升高（P<0.001）。右美托咪定组LF/HF值T3时低于对照组（P<0.05）,在T1～T4时LF/HF值均较T0明显降低（P<0.05）。右美托咪定组DFAα2值低于对照组（P<0.05）,在T1和T2时较T0、T3、T4时高（P<0.05）,对照组在T1、T2、T3时段较T0和T4高、T2时段最高（P<0.05）。在T2、T3时,右美托咪定组的Shan En明显低于对照组（P<0.05）;对照组患者Shan En值T2、T3时高于T0、T1、T4时（P<0.05）。两组患者术中Samp En值无差异（P>0.05）。右美托咪定组在术中T2、T3时SD1值高于对照组（P<0.05）;两组患者术中SD1值T0最高,其次是T4时,T1、T2、T3值均最低（P<0.05）。术中SD1/SD2值在T2和T3时,右美托咪定较对照组高（P<0.05）;两组患者SD1/SD2值在T0～T4时均无差异性（P>0.05）。结论:全身麻醉腹腔镜手术中麻醉诱导插管和气腹建立对心率变异性产生较大影响,表现出交感神经活动性显着增加,副交感神经功能显着抑制,有违自主神经功能平衡的基础;术中持续泵注右美托咪定虽不能完全逆转全麻和气腹导致的自主神经功能的失衡,但能够使交感神经活动性指标降低和副交感神经活动指标升高,对自主神经功能的平衡具有双向调节作用,对减小术中心血管事件风险,改善器官功能状态,促进快速康复具有重要的意义。
杨康俊[3]（2019）在《复合材料典型损伤的新异指数定量表征与自动识别》文中提出在循环载荷的作用下,复合材料板易产生疲劳损伤,引起位错和裂纹萌生的微观变化,降低结构强度,若不能进行及时检测与评估,裂纹损伤将在负荷下加速扩展,甚至造成结构性断裂,引起严重事故发生。因此,研究复合材料典型损伤的检测和评价方法,对确保设备安全运行具有重要的理论和工程应用价值。本论文以复合材料板的三种典型损伤（接触型分层损伤、基体裂纹损伤、脱层损伤）为研究对象,研究损伤的自动识别与定量及定位检测方法。论文介绍了Lamb波在材料板中传播的基本理论,包括Lamb波的传播规律及特性、非线性Lamb波的累积二次谐波的产生过程等。在此理论基础上,采用β指数、递归定量分析指数及关联维数对复合材料板结构的线性与非线性损伤进行定性识别与定量分析。论文首先对复合材料三种典型损伤进行了初步定性识别:利用非线性Lamb波经过接触型分层损伤产生的高次谐波效应,首先从三种典型损伤中识别出接触型分层损伤,然后提取基体裂纹损伤与脱层损伤信号中的损伤特征,包括时域峰值、功率谱密度、功率谱密度变化率、功率谱密度变化量及能量,通过SPSO-TWSVM分类器对基体裂纹损伤及脱层损伤进行分类。论文利用β指数对非线性谐波进行了检测并对其表征的材料损伤进行了量化分析;利用Duffing-Holmes振子和Lyapunov指数对强噪声背景下的非线性谐波进行了检测并对其表征的材料损伤进行了定位分析,将Duffing系统输出非线性时间序列所对应的Lyapunov指数作为振子状态迁移的量化测度,提出了Lyapunov指数作为损伤指数对复合材料非线性损伤进行定位的超声导波概率成像方法,并采用仿真与试验分析验证了该方法具有较好的抗噪性;利用RQA指数特征对基体裂纹损伤进行了量化分析,并对这些特征进行了融合,用融合后的特征作为成像参数对基体裂纹损伤进行了定位,通过仿真模拟以及实验发现,融合特征对复合材料的前期疲劳损伤有很强的敏感度,能够很好地表征微损伤程度的大小;利用关联维数对脱层损伤进行量化分析,并以关联维数为成像参数对脱层损伤进行定位。
方真[4]（2019）在《基于确定学习和非线性动力学分析的心肌缺血检测及其实现》文中研究说明心肌缺血/心肌梗塞是一种常见的心血管疾病,严重威胁着人们的生命健康。心电图（electrocardiogram,ECG）是一种诊断心血管疾病首要选择。它具有无创、操作简单、价格低廉等优势。然而,心电图检测冠心病/心肌缺血准确率不高（60%左右）。最近,借助确定学习理论对ECG数据的准确动力学辨识,发展了一种相比ECG具有更高的准确率的方法（Cardiodynamicsgram,CDG）。基于非线性动力学分析方法,本文主要研究了基于CDG的心电特征提取,分类识别与应用实现等问题。首先,运用功率谱法和主成分分析法对心电动力学进行非线性特性分析,基本确定心电动力学中存在混沌特性。其次,选取四个典型的非线性动力学特征:关联维数、最大Lyapunov指数、0C复杂度和近似熵,对心电动力学进行定量指标提取,并以箱线图的形式对病态与非病态心电动力学进行特征分布分析,初步分析各特征对心肌缺血检测的有效性。通过上述特征,结合两种常见的分类器（SVM、KNN）对心肌缺血进行分类识别。结果表明,以上非线性心电动力学特征在心肌缺血分类中有较明显的区分,所有单特征的准确率均在70%以上。其中分类效果最好的是C0复杂度（准确率83.79%、敏感性84.21%、特异性81.38%）。再次,把以上四个特征综合考虑,基于多个特征对心肌缺血进行分类识别。结果显示,多特征的分类结果可达准确率86.64%、敏感性85.82%、特异性87.45%,与已有的临床结果相符。针对于多特征的数据可视化表示问题,通过雷达图表示法与SVM最优分类面相结合,得到一种多边形判别图,为临床诊断心肌缺血提供直观且有效的判别信息。最后,基于MATLAB和MySQL数据库开发了面向心肌缺血的心电工作站,工作站能够支持心电信号的本地采集、自动分析、数据管理等功能,实现了本文中非线性心电动力学特征的程序计算,为医生诊断心肌缺血提供定量的指标参量供临床诊断参考,同时也为医务人员管理医案信息提供便捷。
杨星[5]（2019）在《带有类陀螺结构的自旋稳定弹丸姿态H∞控制》文中进行了进一步梳理无控自旋稳定弹丸在飞行过程中,弹丸质心速度由于重力作用发生偏转从而使弹道弯曲。弹丸主轴方向在气动力矩的作用下发生偏转,偏离初始自旋方向。弹轴的偏转相对速度是非轴对称的,在一定程度上促使弹道发生偏转。目前有很多种方法实现弹道控制,但是多数方法会造成射程损失。为了克服这个困难,本文参考质量调谐技术的基本原理,提出在弹丸内部添加与弹丸质心固联重合的一个类陀螺结构,将其作为控制机构,通过设计控制律,影响和改变弹丸的姿态运动规律。本文就带有类陀螺结构的弹丸姿态控制进行了如下研究:首先,建立了带有类陀螺结构的自旋弹丸的数学模型。通过外弹道学中提出的“复平面”方法,说明了自旋弹丸姿态运动与平面质点调谐运动在数学模型上的相似性。考虑气动力和气动力矩的影响,推导符合哈密尔顿-拉格朗日原理的弹道微分方程;引入合理的假设条件,将其简化为简化模型I和简化模型II。其次,对简化模型II的运动特性进行了初步的论述和分析。计算了简化模型II的特征值和特征向量,分析了系统的固有频率与模态振型。构造庞加莱截面,研究了系统运动的规律。推导系统无量纲方程,通过计算李雅普诺夫指数对系统的稳定性进行了定量分析。分析结果表明,系统的运动模式随系统参数的变化而变化,具有一定的复杂性。最后,完成了带有类陀螺结构的弹丸的姿态控制律研究和数值仿真计算。应用标准H∞控制方法分别对局部线化的简化模型I和线化的简化模型II进行控制器设计和仿真,通过数值仿真验证了方法的可行性。本文的研究,可为自旋稳定弹丸的姿态控制提供一个新的思路。
王岩[6]（2018）在《基于心率变异性的心衰诊断模型研究》文中研究说明随着社会经济的发展及人口老龄化的加剧,心血管疾病患病人数急剧增加,目前中国心血管疾病患病人数高达2.9亿。并且心血管疾病的死亡率远高于其他疾病,成为人类健康的“头号杀手”,与其相关的医疗费用高达1300亿元。心衰作为心血管疾病的重要类别之一,成为生物医学研究的热点。在我国医疗模式转变的背景下,若能借助现有计算机技术的发展,建立心衰疾病的早期诊断模型,把传统的治病模式转为预防模式将十分有意义。HRV是心血管疾病较好的诊断指标,但是在心衰临床诊断方面还有诸多问题有待于深入研究,本文就是在深入研究HRV分析方法的基础上建立相应的心衰诊断模型,力求为心衰的早期诊断提供临床依据。本文针对HRV的稳定性、HRV指标区分健康与心衰人群的有效性和基于HRV的心衰诊断模型三个问题做了较为深入的研究。采用PhysioBank数据库中54个健康人和29个心衰患者的RR间期序列,优选了 HRV的9个指标:时域指标 MEAN、SDNN、RMSSD;频域指标 LFn、HFn、LF/HF;非线性指标 VLI、VAI、SampEn进行研究。主要研究内容如下:（1）HRV指标稳定性研究。使用方差分析和组内相关系数作为研究方法,通过评估个体数据段数量对稳定性的影响,选择20作为个体数据段数量,分别对心衰和健康人群进行HRV稳定性研究。结果显示:1)对于健康人,MEAN、LF/HF、LFn和HFn有稳定性,对于心衰患者,MEAN、VLI、SDNN、VAI、SampEn、LFn、HFn有稳定性;2)心衰患者的稳定性整体高于健康人的稳定性。同时本文给出了对于HRV稳定性的使用建议。（2）HRV指标区分健康和心衰人群的有效性研究。选择稳定性良好的数据,使用T检验对9个HRV指标区分心衰和健康人群的能力进行了比较,结果表明:HRV指标有心衰区分能力,且区分能力从大到小依次为:VLI,SDNN,LFn&HFn&LF/HF,VAI,SampEn,RMSSD。（3）基于HRV指标的心衰诊断模型研究。使用嵌套十折交叉的框架,以网格搜索作为超参数搜索算法,RBF-SVM和随机森林作为分类模型,9个HRV指标作为输入特征向量,构建心衰诊断模型。结果表明随机森林模型的分类效果:灵敏度为82.81%,特异性为87.06%,准确率为84.94%;RBF-SVM的分类效果:灵敏度为80.74%,特异性为84.94%,准确率为84.85%;通过设置心衰误分类的代价为1000,RBF-SVM分类模型的灵敏度可以提升至98.19%。本文结果为机器学习在心衰方面的研究提供了有益的借鉴。
冯晶[7]（2017）在《体位性OSAS患者的睡眠结构、心率变异性及干预治疗的研究》文中提出第一部分体位性OSAS患者的睡眠结构特点目的比较体位性睡眠呼吸暂停综合征（POSAS）和非体位性睡眠呼吸暂停综合征（NPOSAS）患者之间的临床特征及睡眠参数。方法本研究包括两部分:（1）体位性OSAS患者的一般临床特征。共有403例OSAS患者纳入病例对照实验研究,按照总呼吸暂停低通气指数（AHI）≥5,且仰卧位AHI是非仰卧位AHI的2倍即2倍以上的标准,从我科OSAS数据库中筛选出POSAS患者170例（男123例,女47例）,平均年龄49.4±13.4岁,分析其一般临床特征。（2）体位性OSAS患者的睡眠结构特点。多导睡眠监测前完成临床资料采集和主观量表评估,包括嗜睡评估量表（ESS）、Berlin问卷以及Stop-Bang问卷,记录分析403例OSAS病人的PSG睡眠参数,比较POSAS组与NPOSAS组之间的差异。统计学处理：两组间比较采用独立样本t检验,计数资料采用卡方检验。结果1.403例OSAS患者中有170例受试者（42.2%）符合POSAS的诊断标准,POSAS患者的颈围、腰围、BMI等明显低于NPOASA患者,差异有统计学意义（p<0.05）。2.POSAS组N1期的睡眠时间显着缩短,但N2、N3期、REM期睡眠时间更长;总 AHI数值比 NPOSAS 组显着降低（23.50±18.83vs 50.52±29.58,p<0.001）,同时也具有更低的仰卧位AHI（28.08±25.94vs.40.14±25.16,p<0.001）和左、右侧卧位AHI（10.89±17.77vs.16.50±24.38,p=0.010 和 10.91±18.47vs.17.15±22.91,p=0.004）。3.POSAS组的觉醒次数、腿动（LM）指数、周期性腿动（PLMS）指数均低于NPOSAS组,且均有统计学意义（p<0.05或p<0.01）;清醒期和睡眠期的心率均比NPOSAS患者更低（分布为p<0.05和p<0.01）。结论1.体位性OSAS患者相比于非体位性OSAS患者来说,具有更好的睡眠结构,睡眠期间的呼吸事件、微觉醒、腿动等发生率较低,拥有相对较高的睡眠质量;2.无论清醒期还是睡眠期,POSAS患者的心率较NPOSAS患低,罹患心血管疾病的风险也有所降低,分析其原因可能与体位因素起到了一定的保护作用有关。第二部分体位性OSAS患者的心率变异性分析目的比较体位性OSAS和非体位性OSAS患者之间心率变异性参数的不同。方法研究对象为从2014年1月-2016年12月间我科收治的170例POSAS患者,（男性123例,女性47例）,平均年龄49.4±13.4岁;对照组为233例年龄、性别、体重指数（BMI）匹配的NPOSAS患者（男性178例,女性55例）平均年龄46.4±11.8岁。体位性OSAS的诊断标准同第一部分。我们选取了 HRV分析部分的时域统计法、频域统计法、庞加莱散点图、去趋势波动分析等具有代表性的方法,为全面、客观地评价自主神经系统活动情况和判别OSAS提供重要的参考指标。比较了年龄与性别均匹配的170例POSAS患者和233例NPOSAS患者,分析其心率变异性参数。研究两组间心率变异性的区别。数据处理：两组间比较采用独立样本t检验,pearson相关分析。结果1.与对照组相比,POSAS患者的时域参数中除了 SDANN无统计学差异之外,其他各项SDNN、SDNNI、RMSSD、PNN50均存在统计学意义（分别为p<0.05和p<0.01）。2.在频域分析中,POSAS组与NPOSAS组相比,极低频功率百分比（VLF%）和低频功率百分比（LF%）均升高,而高频功率（HF）、低频功率与高频功率的比值（LF/HF）均降低,以上四项指标在两组之间均存在显着差异（均为p<0.01）。3.POSAS在不同体位和睡前、醒后15分钟的HRV比较中,时域指标SDNN、SDNNI和频域指标VLF、LF和LF/HF之间均存在显着差异（p<0.05或p<0.01）。4.POSAS患者的仰卧位AHI与VLF、LF和LF/HF均呈正相关,且与LF/HF之间的相关关系最强;与E/A值呈负相关。结论OSAS患者的自主神经功能降低、心血管靶向损害严重,甚至可能引起猝死等不良的预后结局,但是POSAS患者相对于NPOSAS患者来说,病情较轻,心脏易损性较小,考虑体位因素可能在其中起到了关键的作用。第三部分不同干预方式对体位性OSAS患者影响的研究目的探讨体位治疗、呼吸机治疗对OSAS患者的疗效。方法本研究包括两部分:（1）体位治疗对轻中度OSAS患者的影响。（2）不同干预方式对中度POSAS患者的影响。研究对象为2014年1月至2016年12月间我院睡眠中心就诊的40名POSAS患者（男29例,女11例）,平均年龄50.7岁,平均BMI为27.8kg/m2。另有对照组NPOSAS患者47例（男35例,女12例）,平均年龄49.8岁,平均BMI30.3kg/m2。根据AHI将患者分为轻度、中度、重度,观察体位治疗前后轻中度OSAS患者睡眠结构及心率变异性的变化,探讨不同干预方式对中度度POSAS患者的影响。统计学分析采用重复测量的协方差分析方法,两组间比较采用独立样本t检验。结果1.轻中度POSAS、NPOSAS患者体位治疗的比较。两组患者体位治疗前后PSG参数的变化:轻度POSAS患者的多项参数均低于NPOSAS患者,在N1期百分比、仰卧位睡眠时间、AHI、LSaO2和觉醒指数方面均存在统计学意义（p<0.05或p<0.01）;两组患者体位治疗前后HRV参数的变化:轻度组SDANN、PNN50及频域指标LF%、HF%和LF/HF均有统计学意义（p<0.05或p<0.01）;中度组的时域指标中SDNN、RMSSD及频域指标LF%和LF/HF均具有统计学意义（p<0.05或p<0.01）。2.中度POSAS患者体位治疗、CPAP治疗的比较:通过测量中度POSAS患者体位治疗、CPAP治疗的PSG参数,两种方法治疗之后的微觉醒指标均有下降但无统计学意义（p>0.05）;中度POSAS患者经PT、CPAP治疗之后的HRV参数均有下降,但各指标均无统计学意义（p>0.05）。结论:对于OSAS尤其是POSAS患者来说,PT可以有效改善睡眠结构,提高动脉氧饱合度,纠正睡眠呼吸紊乱,其功用与CPAP相仿。
汪净[8]（2017）在《神经元模型的放电特性与相位同步现象》文中指出神经元作为神经系统的基本结构和功能单位,具有复杂的非线性特性,其放电活动常表现出许多丰富的动力学行为,如分岔和混沌等.因此,对单个神经元与神经回路的非线性动力学研究显得尤为重要.本论文利用非线性动力学的理论和方法,通过理论分析和数值模拟研究了三类神经元模型的动力学性质,主要工作如下:第一章简述非线性动力学的发展以及非线性动力学在神经系统研究中的重要作用、神经元放电活动的数学模型以及研究现状、本论文的主要研究方法和内容.第二章介绍分岔理论的基本知识与概念.首先介绍动力系统的分岔与结构稳定性,并且叙述鞍-结点分岔和Hopf分岔的规范形.其次介绍神经元模型中平衡点和极限环的分岔.最后详细叙述并讨论了尖分岔、Bautin（广义Hopf）分岔以及Bogdanov-Takens分岔的拓扑规范形,并给出了 Bogdanov-Takens分岔的规范形系数的计算方法.第三章研究呼吸神经元模型的动力学性质.首先建立外电场作用下的呼吸神经元模型.然后对直流电场作用下的呼吸神经元模型进行全系统的平衡点分岔分析,重点研究了 Bogdanov-Takens分岔点附近的拓扑结构,并给出了 Bogdanov-Takens点处鞍-结分岔曲线、非退化的Hopf分岔曲线和鞍点同宿轨分岔曲线的数学表达式.另外,通过调节钾离子的最大电导系数得到四种簇放电类型,并且结合快慢动力学分析和相平面分析解释系统簇放电的产生原因.最后计算了 Hopf分岔点处的第一 Lyapunov系数来确定所产生的极限环的稳定性.第四章研究胰腺β细胞模型的分岔和放电活动.首先考虑模型中参数的改变对系统放电节律的影响.通过数值计算动作电位的峰峰间距随参数变化的分岔图,发现峰峰间距序列的加周期、倍周期与逆倍周期分岔现象,并进一步通过计算系统的最大Lyapunov指数对混沌区域的范围进行确定.然后利用快慢动力学分析方法将系统分为快慢两个子系统,以慢变量为分岔参数讨论锥形与方波形簇放电的形成机理.此外,还研究了快子系统的余维1分岔点的动力学性质,着重分析了平衡点的Hopf分岔.最后讨论了快子系统的余维2分岔,并且计算了余维2分岔点处所对应的参数值与特征值.第五章研究耦合CA1锥体神经元的相位同步.首先用电突触将两个CA1锥体神经元连接起来,建立耦合神经元模型.根据相位差的分布情况,改变耦合强度可以让耦合神经元表现出不同的同步状态.通过连续地变换耦合强度,发现电耦合的CA1锥体神经元之间存在着复杂的同步转迁行为,并且相位差的分布出现倍周期分岔现象,之后同步状态由反相同步过渡到异步.另外,改变膜电容的大小也能影响同步状态的转迁过程.因此,我们将耦合CA1锥体神经元的同步状态在耦合强度和膜电容的二维平面上描绘出来,并且总结了同步状态的转迁规律.最后采用ISI-distance方法来研究耦合神经元的同步程度.该方法不仅可以区分出三种不同的同步状态,而且还可以刻画同种同步状态的不同同步程度,有效地弥补了相位差方法的不足之处.研究结果表明当耦合强度足够大时,对任意的膜电容的值,耦合神经元都能立即达到同相同步状态。
刁晨[9]（2016）在《心电信号质量评估与心率变异性分析方法研究》文中研究说明心率变异性信号蕴含着丰富的心血管系统生理和病理信息,被广泛用于自主神经系统功能的定量评估。众所周知,心率是自主神经系统协调控制的结果,心血管疾病、生理状态、生活压力对自主神经系统的调控有很大的影响。提取心率信号,识别与疾病相关的异常心率信息,对于心血管疾病的早期预警有着重要的意义。然而,心电信号在采集过程中不可避免地受到噪声污染,造成心率信号提取精度下降。因此,心电信号质量评估是心率信号分析的重要环节。本文主要围绕心电信号质量评估和心率变异性分析方法两个方面展开深入研究,主要工作如下:1)针对多导联心电信号质量评估,提出了多导联心电融合算法。算法中,利用局部加权线性预测基本思想对多导联心电信号实施融合。为了有效保留多导联心电信号的质量特征,模糊推理系统被设计用于加权值估计。实验结果表明本文所提算法能够对拟合心电信号和实际心电信号实施有效融合。研究中,使用相空间重构理论和量化递归分析对心电信号质量特征进行提取。通过实验结果分析,最终选取递归度、确定性和熵三个指标作为信号质量特征参数。2)为了对心电信号质量实施有效分类,本文提出了基于局部投影距离的谱聚类算法。在算法中,定义了局部投影邻域,该区域是任意两数据点所构成的局部邻域,邻域内数据点投影到两数据点间的直线。利用投影点之间的欧几里得距离,数据局部空间结构便能被该数据之间相似度很好地描述。根据数据点间的结构信息,对投影距离进行压缩或者拉伸,从而获得亲和矩阵。通过对拟合数据、实际数据和图像的聚类实验结果说明基于局部投影距离的谱聚类算法具有较好的算法性能。3)为了检测心电信号中的R波,本文提出了一种能够自适应地将信号分解为一系列调幅-调频分量的改进总体局部均值算法。面对低分辨率信号,总体局部均值算法在信号分解过程中常出现信号的模式混叠,从而难以在调幅-调频信号中提取有用信息。本文提出了一种基于三次样条插值的总体局部均值算法,通过对数据点插值处理从而提高了信号的分辨率。实验结果表明本文所提算法能够有效克服信号的模式混叠,进而提取到心电信号特征信息。因此,本算法性能优于局部均值算法和总体局部均值算法。4)本文提出了基于改进的总体局部均值算法的R波检测算法。算法中,R波的检测分为三个过程:信号预处理阶段、特征提取阶段和决策阶段。利用MIT心律不齐数据库对本算法性能进行评估,实验结果表明所提算法能够有效实现心电信号R波的检测。5)对于心率变异性分析,庞加莱散点图对心率变异信号的非线性动力学特征描述不足。本文提出了三维庞加莱散点图,在原散点图基础上充分利用了散点间内在联系,从而进一步提高了庞加莱散点图对非线性系统的描述能力。将三维庞加莱散点图分别用于健康人、冠心病患者和充血性心力衰竭患者的RR间期序列分析。实验结果表明三维庞加莱散点图对于上述三类人群的心血管系统具有较好的描述能力。
祝荣欣[10]（2016）在《基于生理信号的联合收获机驾驶疲劳检测与评价》文中提出驾驶疲劳是由于长时间单调驾驶或夜间驾驶而导致的驾驶员生理和心理机能下降,影响正常驾驶行为的现象。受人机界面设计的不合理、驾驶环境较差、驾驶作业时间长、驾驶操作复杂费力等不利因素的影响,联合收获机驾驶员极易产生心理和生理疲劳,使驾驶机能下降,大大降低驾驶员的反应能力和警戒程度。研究联合收获机驾驶员疲劳状态检测方法,有效地识别出驾驶员的疲劳状态,并在影响驾驶的必要时刻对驾驶员及时预警,对提高联合收获机作业效率,保障安全驾驶,减少由疲劳驾驶引发的作业事故,保护驾驶员的身心健康,保证粮食无损、顺利的收获具有重要的现实意义和研究价值。在深入调研分析国内外驾驶疲劳检测方法与农机领域驾驶疲劳研究现状的基础上,针对农机领域驾驶疲劳研究存在的不足及待深入研究的问题,以联合收获机驾驶疲劳检测问题为研究对象,以心电和肌电两种生理信号为检测疲劳手段,以建立适用于联合收获机作业环境的、高性能的驾驶疲劳检测方法为核心任务,对联合收获机驾驶过程中驾驶员的心电特征和表面肌电特征进行了深入的研究,提取分析特征参数,进行最优特征的筛选,基于信息融合的方法,搭建了联合收获机驾驶疲劳等级评价模型。实现了联合收获机驾驶疲劳的客观判断与评测,为进一步开展农机驾驶疲劳实时检测技术的研究提供参考。主要研究内容如下:（1）试验设计与实施。根据试验目的,从人员、时段、天气、地面、设备、测试方法和试验过程等方面进行联合收获机驾驶疲劳检测试验方案设计,利用RM-6240C多通道生理信号采集处理系统,在某联合收获机上进行了联合收获机驾驶疲劳检测试验,测取了驾驶员120min驾驶时的心电信号、两侧颈部肌肉和右侧腰部肌肉的表面肌电信号。（2）联合收获机驾驶疲劳主观评价分析。对试验中获得的联合收获机驾驶疲劳主观调查问卷进行统计分析,得到驾驶过程中总体疲劳程度以及身体、精神和神经感觉三类疲劳症状的变化趋势。由分析结果可知,随着驾驶时间的增加,总体疲劳程度逐渐加深,并呈现先快后慢再快的趋势;60min时大多数被试者感觉到有点疲劳,100min时90%的被试者感觉到比较疲劳,120min时90%的被试者感觉到非常疲劳;驾驶后三类疲劳症状程度等级呈加重趋势,其中身体疲劳变化最明显,神经感觉疲劳变化次之。身体各部位中肩颈和腰部是最疲劳的部位;神经感觉疲劳症状中,发生最多的症状是眼睛疲乏,眼皮抬不起来,发涩、发干。（3）心电信号特征统计分析。提取联合收获机驾驶过程中心电信号HRV序列的时域、频域和非线性特征参数,随着疲劳程度的加深,大部分特征参数呈现明显的线性变化趋势,且MEAN、SDNN、LF、HF、LFnorm、HFnorm、LF/HF和样本熵在驾驶前后具有明显的差异（P<0.05）;MEAN、LFnorm、HFnorm和样本熵分别在三类指标中表现良好,线性趋势明显,波动小;非线性特征量与线性指标相比,非线性特征量曲线波动范围小,稳定性较好,可以更好的表征疲劳的过程及程度;通过计算HRV特征参数与驾驶疲劳度的皮尔逊相关系数确定SDNN、LFnorm、HFnorm和样本熵为驾驶疲劳检测HRV的关键特征参数;从信号波形、心率、心率变异性、差异性检验等方面对直行阶段和转向阶段的心电信号进行比较分析,得到转向阶段的心率和LF/HF在驾驶初、中、后三个时期均比直行阶段的大,而转向阶段的MEAN、LFnorm、近似熵和样本熵值在三个时期均比直行阶段的小,且这6项指标在两个阶段存在显着性差异（P<0.05）,说明联合收获机驾驶员在转向阶段比直行阶段的工作负荷大,劳动强度高。（4）表面肌电信号特征统计分析。提取联合收获机驾驶过程中颈部和腰部肌肉表面肌电信号的时域、频域和非线性特征参数,随着驾驶时间的延长,腰部竖脊肌和颈部两侧中斜角肌s EMG的三类特征参数都呈现明显的线性变化趋势,在驾驶前后均具有明显的差异（P<0.05）;线性与非线性指标相比,线性指标的变化程度更为显着,曲线波动相对较大,而非线性特征量曲线波动范围小,稳定性较好,可以更好的表征肌肉疲劳的过程及疲劳的程度;由幅频联合分析可知,联合收获机驾驶员在驾驶过程中腰部竖脊肌和颈部两侧中斜角肌的肌力增加不明显,而肌肉疲劳逐渐产生,程度逐渐加强;由两侧颈部肌肉各类指标变化程度对比得出,右侧比左侧肌肉疲劳程度高;通过回归分析的结果对比各参数的优劣,确定线性趋势和变化程度明显的RMS、MF和C0复杂度作为腰部肌肉肌电信号的关键特征参数,右侧颈部肌肉的i EMG、MF和近似熵作为颈部肌肉肌电信号的关键特征参数。（5）联合收获机驾驶疲劳等级评价模型建立。将提取的心电信号和肌电信号关键特征参数进行信息融合,基于支持向量机方法构建了联合收获机驾驶疲劳等级评价模型。该模型将HRV的SDNN、LFnorm、HFnorm、样本熵,腰部肌肉的RMS、MF和C0复杂度,以及右侧颈部肌肉的i EMG、MF和近似熵作为SVM的输入变量,将驾驶疲劳等级清醒0级、轻度疲劳1级和疲劳2级作为SVM的输出变量。经测试集分类检验,三个疲劳等级的识别率分别为89.66%、83.33%和90.48%,总体分类准确率达到87.5%;心电和肌电特征融合后识别准确率比单独特征的识别准确率高;心电特征识别准确率比肌电特征识别准确率高。利用支持向量机训练得到的联合收获机驾驶疲劳评价模型性能良好,分类准确率较高,通过心电和肌电融合特征参数能够有效的识别出联合收获机驾驶疲劳状态的等级。
二、Study of Quantitative Indices to Describe the Poincare Dispersed-dot Plot for Heart States（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Study of Quantitative Indices to Describe the Poincare Dispersed-dot Plot for Heart States（论文提纲范文）
（1）基于乘员心率变异性的纯电动公交客车乘坐舒适性研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.2 车辆驾乘人员HRV分析 |
| 1.2.3 HRV分析在驾驶员生理状态识别中的应用 |
| 1.3 本文的主要内容及技术路线 |
| 1.3.1 本文的主要内容 |
| 1.3.2 技术路线 |
| 第二章 乘坐舒适性评价研究理论基础 |
| 2.1 乘坐舒适性评价标准 |
| 2.1.1 国际标准ISO2631-1:1997 |
| 2.1.2 中国标准GB/T4970-2009 |
| 2.1.3 英国标准BS6841-1987 |
| 2.2 乘坐舒适性的生理学基础 |
| 2.3 心率变异性的生理学基础 |
| 2.4 本章小结 |
| 第三章 乘员ECG信号预处理及HRV分析 |
| 3.1 乘员ECG信号基础概念及噪声干扰分析 |
| 3.1.1 ECG信号基础概念 |
| 3.1.2 ECG信号噪声干扰分析 |
| 3.2 乘员心电信号预处理 |
| 3.2.1 ECG信号预处理 |
| 3.2.1.1 小波变换 |
| 3.2.1.2 小波阈值法去噪 |
| 3.2.1.3 小波阈值法参数的选取 |
| 3.2.2 RR间期提取 |
| 3.2.3 RR间期预处理 |
| 3.2.3.1 异常间期检测与校正 |
| 3.2.3.2 去趋势 |
| 3.2.3.3 重采样 |
| 3.3 HRV分析方法 |
| 3.3.1 时域分析方法 |
| 3.3.2 频域分析方法 |
| 3.3.3 非线性分析方法 |
| 3.3.3.1 庞加莱散点图 |
| 3.3.3.2 样本熵 |
| 3.3.3.3 去趋势波动分析 |
| 3.3.4 时-频分析方法 |
| 3.4 本章小结 |
| 第四章 基于实际场景的乘员乘坐舒适性信号采集 |
| 4.1 基于实际场景的信号采集 |
| 4.1.1 试验车辆 |
| 4.1.2 试验人员及试验条件 |
| 4.1.3 车辆运行路线 |
| 4.1.4 仪器设备 |
| 4.1.5 测量位置及设备安装 |
| 4.2 乘坐舒适性信号采集 |
| 4.2.1 车辆振动信号采集 |
| 4.2.2 车速和行驶轨迹信号采集 |
| 4.2.3 乘员心电信号采集 |
| 4.2.4 乘员主观评价 |
| 4.3 乘员ECG信号初步分析 |
| 4.3.1 数据分类 |
| 4.3.2 乘员ECG信号分析 |
| 4.4 本章小结 |
| 第五章 纯电动公交客车乘坐舒适性评价 |
| 5.1 基于GB/T4970-2009的纯电动公交客车乘坐舒适性评价 |
| 5.1.1 匀速行驶工况下的乘坐舒适性评价 |
| 5.1.2 不同停靠站点间的乘坐舒适性评价 |
| 5.2 基于乘员HRV的纯电动公交客车乘坐舒适性评价 |
| 5.2.1 不同乘车姿势的乘员乘坐舒适性评价 |
| 5.2.2 不同生理状态的乘坐舒适性评价 |
| 5.2.3 乘坐舒适性主观评价与HRV指标 |
| 5.3 本章小结 |
| 总结与展望 |
| 论文总结 |
| 研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）右美托咪定对腹腔镜手术全身麻醉下自主神经功能指标心率变异性的影响（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 材料与方法 |
| 结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 英汉缩略词对照表 |
| 右美托咪定对自主神经功能的影响 综述 |
| 参考文献 |
| 攻读硕士学位期间发表论文情况 |
| 致谢 |
（3）复合材料典型损伤的新异指数定量表征与自动识别（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 复合材料典型损伤检测及量化的研究现状 |
| 1.2.1 接触型分层损伤检测的研究现状 |
| 1.2.2 基体裂纹损伤检测及量化的研究现状 |
| 1.2.3 脱层损伤检测及量化的研究现状 |
| 1.3 复合材料典型损伤定位的研究现状 |
| 1.4 本文的主要研究内容 |
| 2 复合材料典型损伤的自动识别 |
| 2.1 lamb波在复合材料板中的传播机理与模型 |
| 2.1.1 复合材料本构 |
| 2.1.2 lamb波在复合材料板中的传播机理 |
| 2.1.3 传播模型构建 |
| 2.2 接触型损伤的高次谐波效应 |
| 2.3 SPSO-TWSVM损伤识别模型 |
| 2.3.1 双子支持向量机TWSVM |
| 2.3.2 特征提取 |
| 2.3.3 基体裂纹损伤与脱层损伤分类检测 |
| 2.3.4 实验验证 |
| 2.4 本章小结 |
| 3 接触型分层损伤量化研究 |
| 3.1 非线性beta指数 |
| 3.1.1 非线性lamb波 |
| 3.1.2 针对早期损伤的非线性指数 |
| 3.2 接触型分层损伤量化分析 |
| 3.2.1 损伤区域形状及尺寸对量化指数的影响 |
| 3.2.2 损伤个数对量化指数的影响 |
| 3.3 本章小结 |
| 4 基体裂纹损伤与脱层损伤量化研究 |
| 4.1 RQA指数 |
| 4.1.1 递归图 |
| 4.1.2 递归量化分析RQA |
| 4.2 基体裂纹损伤量化分析 |
| 4.2.1 裂纹个数对量化指数的影响 |
| 4.2.2 实验验证 |
| 4.3 关联维数 |
| 4.3.1 相空间重构 |
| 4.3.2 G-P算法计算关联维数 |
| 4.4 脱层损伤量化分析 |
| 4.4.1 损伤区域大小对量化指数的影响 |
| 4.4.2 损伤个数对量化指数的影响 |
| 4.5 本章小结 |
| 5 基于量化指数的复合材料典型损伤定位研究 |
| 5.1 复合材料损伤概率成像法 |
| 5.2 接触型分层损伤定位研究 |
| 5.2.1 lyapunov指数 |
| 5.2.2 接触型分层损伤定位 |
| 5.3 基体裂纹损伤与脱层损伤定位研究 |
| 5.3.1 基体裂纹损伤定位 |
| 5.3.2 脱层损伤定位 |
| 5.4 实验验证 |
| 5.4.1 接触型分层损伤定位实验验证 |
| 5.4.2 基体裂纹损伤定位实验验证 |
| 5.4.3 脱层损伤定位实验验证 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 对未来的展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读硕士学位期间发表的论文目录 |
| B.学位论文数据集 |
| 致谢 |
（4）基于确定学习和非线性动力学分析的心肌缺血检测及其实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第二章 预备知识 |
| 2.1 引言 |
| 2.2 心电图原理 |
| 2.3 确定学习理论介绍 |
| 2.3.1 RBF神经网络与持续激励条件 |
| 2.3.2 确定学习机制 |
| 2.3.3 离散系统的确定学习 |
| 2.4 本章小结 |
| 第三章 基于确定学习和非线性动力学的心电特征提取 |
| 3.1 引言 |
| 3.2 基于确定学习的心电动力学提取 |
| 3.3 心电动力学的非线性特性分析 |
| 3.2.1 功率谱法 |
| 3.2.2 主成分分析法 |
| 3.4 基于确定学习与非线性动力学的心电特征提取 |
| 3.4.1 关联维数 |
| 3.4.2 Lyapunov指数 |
| 3.4.3 C_0复杂度 |
| 3.4.4 近似熵 |
| 3.5 病态与非病态CDG的非线性动力学特征分布 |
| 第四章 基于非线性心电动力学特征的心肌缺血检测 |
| 4.1 引言 |
| 4.2 基于非线性心电动力学特征的心肌缺血检测 |
| 4.2.1 研究样本采集 |
| 4.2.2 分类算法 |
| 4.2.3 评价指标 |
| 4.2.4 单一特征分类结果 |
| 4.2.5 多个特征分类结果 |
| 4.3 基于特征雷达图表示的心肌缺血判别分析 |
| 4.3.1 雷达图表示原理 |
| 4.3.2 基于特征雷达图表示的心肌缺血判别分析 |
| 4.4 本章小结 |
| 第五章 面向心肌缺血的心电工作站设计与实现 |
| 5.1 引言 |
| 5.2 系统需求 |
| 5.3 系统设计 |
| 5.3.1 软件结构 |
| 5.3.2 数据库基本表设计 |
| 5.3.3 数据库模型 |
| 5.4 功能模块 |
| 5.4.1 用户数据管理模块 |
| 5.4.2 心电数据管理模块 |
| 5.4.3 分析数据管理模块 |
| 5.5 数据库性能优化 |
| 5.5.1 优化需求 |
| 5.5.2 性能优化方法 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）带有类陀螺结构的自旋稳定弹丸姿态H∞控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 弹道控制方法 |
| 1.2.2 稳定性分析方法 |
| 1.2.3 控制设计方法 |
| 1.3 主要研究内容及论文章节安排 |
| 1.3.1 主要研究思路与研究方法 |
| 1.3.2 论文章节安排 |
| 2 带有类陀螺结构的弹道模型 |
| 2.1 带有类陀螺结构的弹丸结构布局 |
| 2.2 现有坐标系统的比较与选取 |
| 2.2.1 现有坐标系统的对比 |
| 2.2.2 坐标系统和欧拉角定义 |
| 2.3 数学建模 |
| 2.3.1 弹道模型 |
| 2.3.2 简化模型I:φ_2 =φ_1+π的情形 |
| 2.3.3 简化模型II:速度V与x_g重合的情形 |
| 2.4 本章小结 |
| 3 弹丸姿态运动的稳定性 |
| 3.1 特征值分析 |
| 3.2 庞加莱截面 |
| 3.3 李雅普诺夫指数 |
| 3.4 本章小结 |
| 4 弹丸的姿态控制 |
| 4.1 简化模型II的标准H_∞控制 |
| 4.1.1 控制器设计 |
| 4.1.2 数值仿真 |
| 4.2 简化模型I的标准H_∞控制 |
| 4.2.1 控制器设计 |
| 4.2.2 数值仿真 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 创新点概述 |
| 5.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于心率变异性的心衰诊断模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 HRV稳定性的研究现状 |
| 1.2.2 心衰患者与健康人HRV差异分析的研究现状 |
| 1.2.3 基于HRV心衰诊断模型研究现状 |
| 1.3 研究内容及章节安排 |
| 第2章 HRV分析方法 |
| 2.1 HRV的分析流程 |
| 2.2 HRV指标介绍及计算方法 |
| 2.2.1 时域指标介绍及计算方法 |
| 2.2.2 频域指标介绍及计算方法 |
| 2.2.3 时域频域指标相关性讨论 |
| 2.2.4 非线性指标介绍及计算方法 |
| 2.3 研究数据来源 |
| 2.4 指标计算结果 |
| 2.5 本章小结 |
| 第3章 HRV稳定性研究 |
| 3.1 方差分析 |
| 3.1.1 单因素方差分析 |
| 3.1.2 组内相关系数 |
| 3.2 研究结果及分析 |
| 3.2.1 HRV稳定性与数据段个数的关系 |
| 3.2.2 HRV指标稳定性研究 |
| 3.2.3 分析讨论 |
| 3.3 本章小结 |
| 第4章 心衰与健康人群的HRV差异性分析研究 |
| 4.1 单样本K-S检验 |
| 4.2 T检验 |
| 4.2.1 单样本T检验 |
| 4.2.2 两样本T检验 |
| 4.3 研究结果及分析 |
| 4.4 本章小结 |
| 第5章 基于HRV的心衰诊断模型初步研究 |
| 5.1 随机森林原理简介 |
| 5.1.1 Bagging |
| 5.1.2 CART |
| 5.1.3 随机森林模型 |
| 5.2 支持向量机原理简介 |
| 5.3 模型构建方法 |
| 5.3.1 超参数寻优 |
| 5.3.2 交叉验证 |
| 5.3.3 模型构建 |
| 5.4 研究结果及分析 |
| 5.4.1 RF模型和RBF-SVM模型评估结果 |
| 5.4.2 不同代价矩阵下RBF-SVM模型评估结果 |
| 5.4.3 分析讨论 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 学位论文评阅及答辩情况表 |
（7）体位性OSAS患者的睡眠结构、心率变异性及干预治疗的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 第一部分 体位性OSAS患者的睡眠结构特点 |
| 一、前言 |
| 二、流程图 |
| 三、资料和方法 |
| 四、结果 |
| 五、讨论 |
| 六、小结 |
| 参考文献 |
| 第二部分 体位性OSAS患者的心率变异性分析 |
| 一、前言 |
| 二、课题设计 |
| 三、资料和方法 |
| 四、结果 |
| 五、讨论 |
| 六、小结 |
| 参考文献 |
| 第三部分 体位性OSAS患者不同干预方式的研究 |
| 一、前言 |
| 二、资料和方法 |
| 三、结果 |
| 四、讨论 |
| 五、小结 |
| 参考文献 |
| 文献综述 1 |
| 参考文献 |
| 文献综述 2 |
| 参考文献 |
| 附表 |
| 攻读学位期间发表论文情况 |
| 致谢 |
（8）神经元模型的放电特性与相位同步现象（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 非线性动力学的发展及在神经系统研究中的作用 |
| 1.1.1 非线性动力学的发展 |
| 1.1.2 非线性动力学在神经系统研究中的作用 |
| 1.2 神经动力学的研究现状及进展 |
| 1.2.1 神经元放电活动的数学模型 |
| 1.2.2 神经元放电活动的动力学研究 |
| 1.3 神经动力学的研究方法 |
| 1.3.1 快慢动力学分析 |
| 1.3.2 相平面分析 |
| 1.3.3 峰峰间距分岔图 |
| 1.3.4 Lyapunov指数谱 |
| 1.3.5 耦合系统的相位同步指标 |
| 1.3.6 神经传导编码的指标 |
| 1.4 本文的主要研究内容 |
| 第二章 分岔理论的基本知识 |
| 2.1 分岔的基本概念 |
| 2.2 余维1分岔的规范形分析 |
| 2.2.1 鞍-结点分岔的规范形 |
| 2.2.2 Hopf分岔的规范形 |
| 2.3 神经元模型中平衡点的分岔 |
| 2.4 神经元模型中极限环的分岔 |
| 2.5 余维2分岔概述 |
| 2.5.1 中心流形理论 |
| 2.5.2 Cusp分岔 |
| 2.5.3 Bautin (generalized Hopf)分岔 |
| 2.5.4 Bogdanov-Takens(零-零)分岔 |
| 2.6 神经元模型分岔现象的意义 |
| 第三章 呼吸神经元模型的动力学分析 |
| 3.1 呼吸神经元的生物背景 |
| 3.2 呼吸神经元模型的建立 |
| 3.3 呼吸神经元模型的余维2分岔分析 |
| 3.3.1 (V_e,g_K)参数平面上的分岔 |
| 3.3.2 Bogdanov-Takens分岔研究 |
| 3.4 簇放电分类 |
| 3.4.1 “circle/homoclinic”型簇放电 |
| 3.4.2 “fold/homoclinic”型簇放电 |
| 3.4.3 “fold circle/homoclinic”型簇放电 |
| 3.4.4 “fold/Hopf”点点滞后环型簇放电 |
| 3.5 快子系统的Hopf分岔分析 |
| 3.6 本章小结 |
| 第四章 胰腺β细胞的分岔和放电节律模式研究 |
| 4.1 胰腺β细胞模型的研究现状 |
| 4.2 胰腺β细胞模型的建立 |
| 4.3 胰腺β细胞模型中周期解的转迁 |
| 4.3.1 时间常数对周期解的影响 |
| 4.3.2 钾离子电流对周期解的影响 |
| 4.3.3 抑制钾离子电流对周期解的影响 |
| 4.4 快子系统的平衡点分岔分析 |
| 4.4.1 余维1分岔分析 |
| 4.4.2 余维2分岔分析 |
| 4.5 本章小结 |
| 第五章 电耦合CA1锥体神经元的相位同步研究 |
| 5.1 耦合神经元的同步研究及意义 |
| 5.2 电耦合的CA1锥体神经元模型 |
| 5.3 电耦合CA1锥体神经元的同步状态 |
| 5.4 耦合神经元同步状态的转迁 |
| 5.4.1 耦合强度的影响 |
| 5.4.2 膜电容的影响 |
| 5.5 (g_c,C)参数平面的同步状态及周期解的转迁 |
| 5.6 同步性程度的研究 |
| 5.7 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）心电信号质量评估与心率变异性分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 心电信号的生理基础 |
| 1.3 心电信号质量评估研究现状 |
| 1.4 心率变异性研究现状 |
| 1.5 本文内容安排 |
| 第2章 多导联心电信号融合研究 |
| 2.1 引言 |
| 2.2 心电信号噪声分析 |
| 2.3 多导联心电信号融合算法 |
| 2.3.1 混沌时间序列的预测 |
| 2.3.2 基于加权一阶局域算法的多导联心电信号融合算法 |
| 2.3.3 仿真验证 |
| 2.4 多导联心电信号融合算法实验 |
| 2.4.1 人工拟合心电信号实验 |
| 2.4.2 真实心电信号实验 |
| 2.5 本章总结 |
| 第3章 心电信号质量特征提取研究 |
| 3.1 引言 |
| 3.2 相空间重构理论 |
| 3.2.1 嵌入维数的确定 |
| 3.2.2 延迟时间的确定 |
| 3.3 递归图及量化递归分析 |
| 3.3.1 递归图 |
| 3.3.2 量化递归分析 |
| 3.4 心电信号质量特征提取 |
| 3.4.1 基于定量递归分析的心电信号质量特征提取 |
| 3.4.2 定量递归参数预处理 |
| 3.5 本章小结 |
| 第4章 心电信号质量分类方法研究 |
| 4.1 引言 |
| 4.2 谱聚类 |
| 4.2.1 谱聚类算法的基本步骤 |
| 4.2.2 相似度函数分析 |
| 4.3 局部投影距离 |
| 4.3.1 算法原理 |
| 4.3.2 具体算例 |
| 4.4 实验结果与分析 |
| 4.4.1 算法评价指标 |
| 4.4.2 算法参数选择 |
| 4.4.3 拟合数据实验 |
| 4.4.4 真实数据实验 |
| 4.4.5 图像分割实验 |
| 4.4.6 参数变化对算法性能的影响 |
| 4.4.7 心电信号质量分类实验 |
| 4.5 本章小结 |
| 第5章 心率变异性提取方法研究 |
| 5.1 引言 |
| 5.2 局部均值算法 |
| 5.2.1 局部均值算法的基本原理 |
| 5.2.2 总体局部均值算法 |
| 5.2.3 总体局部均值算法存在的问题 |
| 5.2.4 基于三次样条插值的总体局部均值算法 |
| 5.2.5 改进后的总体局部均值算法在心电信号分解中的应用 |
| 5.3 心率变异性信号的提取 |
| 5.3.1 R波检测算法基本流程 |
| 5.3.2 信号预处理 |
| 5.3.3 R波位置信息的提取 |
| 5.3.4 R波的判断 |
| 5.3.5 算法验证 |
| 5.4 本章小结 |
| 第6章 心率变异性分析方法的研究 |
| 6.1 引言 |
| 6.2 庞加莱散点图 |
| 6.3 庞加莱散点图存在的问题及改进 |
| 6.3.1 庞加莱散点图存在的问题 |
| 6.3.2 三维庞加莱散点图 |
| 6.4 三维庞加莱散点图的应用研究 |
| 6.4.1 实验数据 |
| 6.4.2 健康人、冠心病患者和充血性心力衰竭患者的分类研究 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文研究工作总结 |
| 7.2 后续研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（10）基于生理信号的联合收获机驾驶疲劳检测与评价（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 1 引言 |
| 1.1 研究的背景与意义 |
| 1.2 驾驶疲劳定义 |
| 1.3 驾驶疲劳检测方法研究现状 |
| 1.3.1 主观评价法 |
| 1.3.2 客观检测法 |
| 1.4 农机领域驾驶疲劳研究现状 |
| 1.5 研究的主要内容 |
| 1.6 研究的技术路线 |
| 2 心电和肌电信号的理论基础 |
| 2.1 心电信号及其研究方法 |
| 2.1.1 心电信号概述 |
| 2.1.2 心率及其分析指标 |
| 2.1.3 心率变异性及其分析方法 |
| 2.2 表面肌电信号及其研究方法 |
| 2.2.1 表面肌电信号概述 |
| 2.2.2 表面肌电信号分析方法 |
| 2.3 本章小结 |
| 3 联合收获机驾驶疲劳检测试验及主观评价分析 |
| 3.1 联合收获机驾驶疲劳检测试验方案设计 |
| 3.1.1 试验目的 |
| 3.1.2 试验对象 |
| 3.1.3 试验时段及天气条件 |
| 3.1.4 试验地面特征 |
| 3.1.5 试验设备及材料 |
| 3.1.6 信号测试方法及部位 |
| 3.1.7 试验过程 |
| 3.2 试验数据预处理 |
| 3.2.1 心电测试数据预处理 |
| 3.2.2 肌电测试数据预处理 |
| 3.3 联合收获机驾驶疲劳主观评价分析 |
| 3.3.1 总体疲劳程度评价分析 |
| 3.3.2 驾驶疲劳症状分析 |
| 3.4 本章小结 |
| 4 联合收获机驾驶过程心电信号特征分析 |
| 4.1 联合收获机驾驶过程心率变异性变化特征分析 |
| 4.1.1 时域分析 |
| 4.1.2 频域分析 |
| 4.1.3 非线性动力学分析 |
| 4.2 心率变异性关键特征参数的确定 |
| 4.2.1 驾驶疲劳度计算 |
| 4.2.2 与驾驶疲劳度的相关性分析 |
| 4.3 不同作业环节心电信号特征分析 |
| 4.3.1 心电信号波形对比分析 |
| 4.3.2 心率对比分析 |
| 4.3.3 心率变异性对比分析 |
| 4.3.4 差异性检验分析 |
| 4.3.5 讨论 |
| 4.4 本章小结 |
| 5 联合收获机驾驶过程表面肌电信号特征分析 |
| 5.1 联合收获机驾驶过程腰部表面肌电信号特征分析 |
| 5.1.1 时域分析 |
| 5.1.2 频域分析 |
| 5.1.3 非线性动力学分析 |
| 5.2 联合收获机驾驶过程颈部表面肌电信号特征分析 |
| 5.2.1 时域分析 |
| 5.2.2 频域分析 |
| 5.2.3 非线性动力学分析 |
| 5.3 本章小结 |
| 6 基于心肌电融合的联合收获机驾驶疲劳等级评价模型 |
| 6.1 信息融合综述 |
| 6.1.1 信息融合定义 |
| 6.1.2 信息融合特点 |
| 6.1.3 信息融合的分类 |
| 6.2 支持向量机理论 |
| 6.2.1 线性支持向量机 |
| 6.2.2 非线性支持向量机与核函数 |
| 6.2.3 多分类问题解决方法 |
| 6.3 联合收获机驾驶疲劳等级评价 |
| 6.3.1 联合收获机驾驶疲劳等级分类模型结构设计 |
| 6.3.2 联合收获机驾驶疲劳等级分类模型的建立 |
| 6.3.3 判别结果分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 论文的主要结论 |
| 7.2 论文创新点 |
| 7.3 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录A |
| 附录B |
| 攻读博士学位期间发表的学术论文 |
四、Study of Quantitative Indices to Describe the Poincare Dispersed-dot Plot for Heart States（论文参考文献）
- [1]基于乘员心率变异性的纯电动公交客车乘坐舒适性研究[D]. 李园园. 长安大学, 2021
- [2]右美托咪定对腹腔镜手术全身麻醉下自主神经功能指标心率变异性的影响[D]. 杜艺. 西南医科大学, 2020(06)
- [3]复合材料典型损伤的新异指数定量表征与自动识别[D]. 杨康俊. 重庆大学, 2019(01)
- [4]基于确定学习和非线性动力学分析的心肌缺血检测及其实现[D]. 方真. 华南理工大学, 2019(01)
- [5]带有类陀螺结构的自旋稳定弹丸姿态H∞控制[D]. 杨星. 南京理工大学, 2019(06)
- [6]基于心率变异性的心衰诊断模型研究[D]. 王岩. 山东大学, 2018(11)
- [7]体位性OSAS患者的睡眠结构、心率变异性及干预治疗的研究[D]. 冯晶. 第二军医大学, 2017(06)
- [8]神经元模型的放电特性与相位同步现象[D]. 汪净. 华南理工大学, 2017(06)
- [9]心电信号质量评估与心率变异性分析方法研究[D]. 刁晨. 兰州理工大学, 2016(04)
- [10]基于生理信号的联合收获机驾驶疲劳检测与评价[D]. 祝荣欣. 东北农业大学, 2016(08)