首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信理论论文--信号分析论文

脑信号的熵分析方法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-15页
    1.1 课题研究背景与意义第9-10页
    1.2 国内外研究现状第10-13页
        1.2.1 癫痫脑电研究现状第10-12页
        1.2.2 酗酒者脑电研究现状第12页
        1.2.3 复杂脑网络研究现状第12-13页
    1.3 论文的研究方法与结构第13-14页
    1.4 本章小结第14-15页
第二章 脑信号基础与熵算法理论第15-32页
    2.1 脑信号基础第15-22页
        2.1.1 脑的结构与功能第15-16页
        2.1.2 脑信号的分类与特点第16-18页
        2.1.3 脑信号采集与伪迹第18-20页
        2.1.4 脑电去伪迹主要方法第20-22页
    2.2 信息熵第22-23页
    2.3 近似熵与样本熵第23-27页
        2.3.1 近似熵基本原理第23-24页
        2.3.2 样本熵基本原理第24-25页
        2.3.3 多尺度样本熵第25-27页
    2.4 转移熵第27-31页
        2.4.1 互信息第27-28页
        2.4.2 相对熵第28页
        2.4.3 转移熵原理第28-30页
        2.4.4 转移熵的实际计算方法第30-31页
    2.5 本章小结第31-32页
第三章 基于多尺度熵的病理脑信号研究第32-45页
    3.1 癫痫ECoG信号多尺度样本熵分析第32-36页
        3.1.1 数据来源第32-33页
        3.1.2 实验过程与分析第33-36页
    3.2 基于多尺度熵的癫痫分类算法第36-41页
        3.2.1 两独立样本t检测第36-37页
        3.2.2 支持向量机第37-39页
        3.2.3 癫痫信号分类算法与仿真结果第39-41页
    3.3 基于多尺度熵的精神分裂症病人脑磁信号分析第41-43页
        3.3.1 数据来源第41页
        3.3.2 实验方法第41-42页
        3.3.3 实验结果及分析第42-43页
    3.4 本章小结第43-45页
第四章 基于相对转移熵的酗酒者脑电信号研究第45-57页
    4.1 符号化相对转移熵第45-46页
        4.1.1 相对转移熵第45-46页
        4.1.2 符号化方法第46页
    4.2 基于相对转移熵的酗酒者脑电信号研究第46-55页
        4.2.1 实验数据第46-47页
        4.2.2 算法步骤第47页
        4.2.3 S1实验结果与分析第47-50页
        4.2.4 S2 match实验结果与分析第50-52页
        4.2.5 S2 nomatch实验结果与分析第52-54页
        4.2.6 S1、S2 match和S2 nomatch实验分析综述第54-55页
    4.3 样本长度敏感性与抗噪性分析第55-56页
        4.3.1 样本长度分析第55页
        4.3.2 抗噪性分析第55-56页
    4.4 本章小结第56-57页
第五章 基于互近似熵的脑功能网络构建与网络测度分析第57-76页
    5.1 互近似熵第57-58页
    5.2 复杂网络常见测度第58-59页
    5.3 基于互近似熵的脑功能网络构建第59-70页
        5.3.1 小波分解第59-63页
        5.3.2 单样本t检测第63页
        5.3.3 数据来源第63页
        5.3.4 实验步骤第63-64页
        5.3.5 实验结果与分析第64-70页
    5.4 正常人与癫痫患者脑功能网络测度分析第70-74页
        5.4.1 小世界特性第70-71页
        5.4.2 正负匹配度第71-72页
        5.4.3 网络密度第72-73页
        5.4.4 网络全局效率第73-74页
    5.5 本章小结第74-76页
第六章 基于转移熵的脑因效网络研究第76-86页
    6.1 转移熵仿真模拟第76-79页
    6.2 转移熵脑因效网络构建第79页
    6.3 癫痫患者与正常人的脑因效网络构建第79-85页
        6.3.1 实验数据第79-80页
        6.3.2 实验步骤第80页
        6.3.3 实验结果与分析第80-85页
    6.4 本章小结第85-86页
第七章 总结与展望第86-88页
    7.1 工作总结第86-87页
    7.2 研究展望第87-88页
参考文献第88-91页
附录1 攻读硕士学位期间撰写的论文第91-92页
附录2 攻读硕士学位期间申请的专利第92-93页
致谢第93页

论文共93页,点击 下载论文
上一篇:基于体感交互的虚拟试衣系统关键技术研究
下一篇:自然场景图像中的文字检测关键算法研究