| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-20页 |
| ·引言 | 第13页 |
| ·生物嗅觉及其仿生研究的背景 | 第13-16页 |
| ·本文的研究背景 | 第16-18页 |
| ·本文的研究目的和意义 | 第18页 |
| ·本文主要研究内容概述 | 第18-20页 |
| 第二章 嗅觉系统的生理和模型 | 第20-37页 |
| ·嗅觉系统的生理结构 | 第21-23页 |
| ·嗅上皮 | 第21页 |
| ·嗅球层 | 第21-23页 |
| ·嗅皮层 | 第23页 |
| ·关于嗅觉系统模型的研究现状 | 第23-24页 |
| ·K 系列模型的结构和分析 | 第24-36页 |
| ·K0 模型 | 第26-27页 |
| ·KI 模型 | 第27-29页 |
| ·KII 模型 | 第29-31页 |
| ·KIII 模型 | 第31-36页 |
| ·K 系列模型的进一步发展及应用 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第三章 KIII 模型的仿真数据分析 | 第37-54页 |
| ·KIII 模型仿真数据的时域、频域分析 | 第37-40页 |
| ·KIII 模型仿真数据的混沌特性分析 | 第40-52页 |
| ·混沌时间序列的判断方法 | 第41-43页 |
| ·混沌参数分析 | 第43-51页 |
| ·其他方法观测混沌特性 | 第51-52页 |
| ·KIII 模型输出信号的分析结果总结 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 独立分量分析在嗅觉脑电信号提取中的应用 | 第54-75页 |
| ·独立分量分析(ICA)方法的概述 | 第54页 |
| ·ICA 的数学模型 | 第54-55页 |
| ·数据的预处理 | 第55-57页 |
| ·中心化 | 第56页 |
| ·基于主分量分析的降维和白化 | 第56-57页 |
| ·两种典型的ICA 方法 | 第57-69页 |
| ·扩展InfomaxICA | 第57-64页 |
| ·基于峭度的FastICA | 第64-67页 |
| ·两种ICA 方法的比较 | 第67-69页 |
| ·ICA 方法在嗅觉脑电提取中的应用 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第五章 基于小波去噪的ICA 在嗅觉脑电提取中的应用 | 第75-87页 |
| ·小波阈值去噪 | 第75-79页 |
| ·小波变换的概述 | 第75-78页 |
| ·小波阈值去噪 | 第78-79页 |
| ·ICA 和小波去噪相结合用于有噪混合信号中的嗅觉脑电提取. | 第79-85页 |
| ·有噪混合信号独立分量分析的模型 | 第79-80页 |
| ·仿真实验 | 第80-85页 |
| ·实验结果分析 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 总结和展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-94页 |
| 在学期间研究成果及发表的学术论文 | 第94页 |