阻塞性睡眠呼吸暂停诊断中的基于非均匀采样数据的谱估计方法

论文摘要

对心率时间序列的谱分析已经被证明是一种非常有效的阻塞性睡眠呼吸暂停(obstructive sleep apnea, OSA)的诊断方法。传统的功率谱密度(power spectral density, PSD)估计方法,如周期图法和自回归法,需要将非均匀采样的心率时间序列进行插值并重新均匀采样。然而,这一处理过程在PSD 中引入了多余的变化,尤其是在噪声背景下,这在一定程度上影响了传统方法的OSA 诊断效果。本文首先将两种基于非均匀采样数据的谱分析方法用于OSA的诊断之中;然后利用弱平稳过程的一般理论,将这两种基于非均匀采样数据的谱估计方法统一在相同的理论框架之内,并利用这个理论框架推导出一个新的基于非均匀采样数据的谱估计方法,同时讨论了对样本函数进行的加窗操作对谱估计值的影响;最后,通过实验,将传统的基于均匀采样数据的谱估计方法与论文中论述的三种基于非均匀采样数据的谱估计方法进行对比,证明了:基于非均匀采样数据的谱估计方法,在噪声背景下,与传统的谱估计方法相比具有更好的OSA 诊断性能;

论文目录

• 第1章 绪论
• 1.1 阻塞性睡眠呼吸暂停
• 1.1.1 睡眠呼吸暂停
• 1.1.2 睡眠呼吸暂停的发病情况、临床特征和并发症
• 1.2 阻塞性睡眠呼吸暂停的检测
• 1.2.1 基于实验室的检测方法
• 1.2.2 基于心电图信号的检测方法
• 1.3 论文内容安排
• 第2章 心率变异性的频域分析
• 2.1 心率变异性
• 2.1.1 心率变异性的频域分析
• 2.1.2 心率变异性与各种心血管疾病
• 2.2 阻塞性睡眠呼吸暂停时心率变异性的频域分析
• 第3章 周期图和自回归谱估计方法
• 3.1 周期图法
• 3.1.1 周期图法的理论基础及定义
• 3.1.2 周期图的统计特性
• 3.1.3 窗函数
• 3.1.4 周期图法的不足
• 3.2 自回归法
• 3.2.1 现代谱估计原理
• 3.2.2 自回归模型谱估计方法
• 3.2.3 自回归模型谱估计BURG 算法
• 3.2.4 自回归模型谱估计的阶数选择
• 3.2.6 自回归法的不足
• 3.3 周期图法和自回归法在阻塞性睡眠呼吸暂停诊断中应用
• 第4章 基于非均采样数据的谱估计方法
• 4.1 经典周期图
• 4.2 Lomb 周期图
• 4.2.1 Lomb 周期图的定义
• 4.2.2 时间平移不变性
• 4.3 弱平稳随机过程理论与谱密度函数估计
• 4.3.1 弱平稳随程理论中的谱密度函数估计
• 4.3.2 基于非均匀采样数据的谱估计方法与谱密度函数估计理论
• 4.3.3 窗函数对谱估计的影响
• 4.4 周期图的一个新定义—积分周期图
• 第5章 五种方法在OSA 诊断中的性能对比实验及结果分析
• 5.1 实验数据
• 5.1.1 即时心率时间序列
• 5.1.2 噪声背景下的心率时间序列
• 5.2 预处理
• 5.3 实验及结果分析
• 5.3.1 实验一
• 5.3.2 实验二
• 5.3.3 实验结果分析
• 5.4 讨论
• 第6章 全文总结及展望
• 参考文献
• 摘要
• ABSTRACT
• 致谢
• 导师及作者简介