| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第1章 绪论 | 第6-11页 |
| 1．1 脑电信号 | 第6-8页 |
| 1．1．1 概述 | 第6-7页 |
| 1．1．2 脑电图 | 第7-8页 |
| 1．2 研究内容及意义 | 第8-10页 |
| 1．2．1 研究内容 | 第8-9页 |
| 1．2．2 研究意义 | 第9-10页 |
| 1．3 主要工作与章节安排 | 第10-11页 |
| 第2章 脑电信号的检测 | 第11-21页 |
| 2．1 医学信号的特点 | 第11-12页 |
| 2．2 脑电信号的形成机理及性质 | 第12-15页 |
| 2．2．1 脑电产生的机理 | 第12-13页 |
| 2．2．2 脑电信号的性质和分类 | 第13-15页 |
| 2．3 脑电信号的检测原理 | 第15-17页 |
| 2．3．1 检测系统概述 | 第15-16页 |
| 2．3．2 检测电极 | 第16-17页 |
| 2．4 脑电信号的检测方法 | 第17-21页 |
| 2．4．1 脑电信号的前置放大技术 | 第18-19页 |
| 2．4．2 脑电信号的模拟滤波技术 | 第19-20页 |
| 2．4．3 脑电信号的主放大技术 | 第20-21页 |
| 第3章 脑电信号的分析与处理方法 | 第21-30页 |
| 3．1 数字滤波方法 | 第21-23页 |
| 3．1．1 叠加平均法 | 第21-22页 |
| 3．1．2 自适应处理 | 第22页 |
| 3．1．3 独立分量分析 | 第22-23页 |
| 3．2 波形检测与特征提取 | 第23-25页 |
| 3．2．1 短时傅立叶变换 | 第23-24页 |
| 3．2．2 小波变换 | 第24-25页 |
| 3．3 分类识别与处理方法 | 第25-30页 |
| 3．3．1 非线性动力学方法 | 第25-28页 |
| 3．3．2 人工神经网络分析 | 第28页 |
| 3．3．3 参数模型法 | 第28-30页 |
| 第4章 基于小波变换的脑电信号的滤波和特征提取 | 第30-61页 |
| 4．1 小波变换理论 | 第30-41页 |
| 4．1．1 小波变换与短时傅立叶变换的关系 | 第31-33页 |
| 4．1．2 积分小波变换 | 第33-36页 |
| 4．1．3 二进离散小波变换 | 第36-41页 |
| 4．2 基于小波变换的脑电信号的滤波 | 第41-54页 |
| 4．2．1 小波消噪的几种方法 | 第43-45页 |
| 4．2．2 基于阈值法的白噪声滤除 | 第45-47页 |
| 4．2．3 基于小波分解与重构法的基线漂移滤除 | 第47-48页 |
| 4．2．4 基于模极大值法的尖脉冲干扰滤除 | 第48-52页 |
| 4．2．5 基于小波分解与重构法和模极大值法的肌电干扰滤除 | 第52-54页 |
| 4．3 脑电信号的特征节律信号提取 | 第54-61页 |
| 4．3．1 脑电信号的基本特征节律提取 | 第54-57页 |
| 4．3．2 脑电信号的棘波提取 | 第57-61页 |
| 第5章 基于复杂性测度的睡眠脑电分期处理 | 第61-75页 |
| 5．1 复杂性测度 | 第61-68页 |
| 5．1．1 符号动力学概述 | 第63-64页 |
| 5．1．2 Lempel-Ziv复杂性C(n) | 第64-66页 |
| 5．1．3 Lempel-Ziv理论基础 | 第66-67页 |
| 5．1．4 关于非等概率情况的修正 | 第67-68页 |
| 5．2 睡眠脑电信号与复杂性测度 | 第68-69页 |
| 5．3 睡眠脑电信号的分期 | 第69-75页 |
| 5．3．1 粗粒化处理 | 第69-70页 |
| 5．3．2 复杂性测度的实现 | 第70-71页 |
| 5．3．3 仿真结果 | 第71-74页 |
| 5．3．4 讨论 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6．1 总结 | 第75-76页 |
| 6．2 展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83-85页 |
| 在攻读硕士研究生期间发表的论文及科研项目 | 第85-86页 |