基于小波包与ICA的脑电α波提取研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 脑电现象的研究历史 | 第7-8页 |
| 1.2 脑电信号的分析方法 | 第8-9页 |
| 1.3 本文的主要研究内容与结构安排 | 第9-11页 |
| 第二章 统计分析和信息论基础知识 | 第11-17页 |
| 2.1 统计理论分析基础 | 第11-15页 |
| 2.1.1 随机变量的一、二阶统计特性 | 第11-13页 |
| 2.1.2 随机变量的高阶统计特性 | 第13-15页 |
| 2.2 信息论基础 | 第15-17页 |
| 2.2.1 熵的定义 | 第15页 |
| 2.2.2 互信息的定义 | 第15-16页 |
| 2.2.3 K-L 散度 | 第16-17页 |
| 第三章 独立分量分析的基本原理 | 第17-31页 |
| 3.1 多维统计方法概述 | 第17-21页 |
| 3.1.1 多维统计方法的线性描述 | 第17页 |
| 3.1.2 主分量分析（PCA） | 第17-19页 |
| 3.1.3 独立分量分析概述 | 第19-21页 |
| 3.2 随机变量的独立性度量方法 | 第21-23页 |
| 3.2.1 非线性不相关准则 | 第21-22页 |
| 3.2.2 非高斯性极大准则 | 第22-23页 |
| 3.3 独立分量分析的优化算法 | 第23-24页 |
| 3.4 InfomaxICA 算法 | 第24-25页 |
| 3.5 FastICA 算法与实现 | 第25-31页 |
| 3.5.1 一维FastICA 算法 | 第27-28页 |
| 3.5.2 多维FastICA 算法 | 第28页 |
| 3.5.3 FICA 工具箱介绍 | 第28-31页 |
| 第四章 脑电信号的去噪处理和特征提取 | 第31-52页 |
| 4.1 独立分量分析在脑电信号去噪中的应用 | 第31-39页 |
| 4.1.1 去除脑电信号伪迹 | 第31-34页 |
| 4.1.2 去除脑电信号干扰 | 第34-39页 |
| 4.2 小波分析理论 | 第39-43页 |
| 4.2.1 小波分析的基本原理 | 第39-42页 |
| 4.2.2 小波包分析 | 第42-43页 |
| 4.3 基于独立分量分析和小波包分析的α波提取 | 第43-52页 |
| 4.3.1 对脑电信号进行小波包分解 | 第44页 |
| 4.3.2 按频带顺序排列的小波包新算法 | 第44-48页 |
| 4.3.3 构造参考信号进行α波提取 | 第48-51页 |
| 4.3.4 结果分析 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
