基于经验模式分解的自动睡眠分期
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 睡眠脑电分期的研究背景和意义 | 第11-12页 |
| 1.2 睡眠脑电分期的国内外研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-15页 |
| 第二章 脑电信号和睡眠分期的相关知识 | 第15-21页 |
| 2.1 睡眠脑电的基本知识 | 第15-17页 |
| 2.1.1 脑电信号的采集 | 第15-16页 |
| 2.1.2 脑电信号的基本特征 | 第16-17页 |
| 2.2 睡眠分期准则与意义 | 第17-21页 |
| 第三章 脑电信号去噪处理 | 第21-30页 |
| 3.1 经验模式分解 | 第21-25页 |
| 3.2 独立分量分析 | 第25-27页 |
| 3.3 基于EMD-ICA的睡眠脑电信号去噪 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于样本熵的睡眠脑电研究 | 第30-35页 |
| 4.1 样本熵算法介绍 | 第30-31页 |
| 4.2 基于样本熵的睡眠脑电信号特征提取 | 第31-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第五章 基于希尔伯特黄变换的睡眠脑电分析 | 第35-42页 |
| 5.1 希尔伯特黄变换 | 第35-36页 |
| 5.2 瞬时频率和Hilbert变换 | 第36-38页 |
| 5.2.1 瞬时频率 | 第36-37页 |
| 5.2.2 Hilbert变换和解析信号 | 第37-38页 |
| 5.3 基于瞬时频率的特征提取 | 第38-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 基于支持向量机的睡眠脑电分期 | 第42-54页 |
| 6.1 支持向量机 | 第42-50页 |
| 6.1.1 支持向量机算法 | 第42-46页 |
| 6.1.2 支持向量机多分类 | 第46-50页 |
| 6.2 基于SVM的睡眠脑电分期结果与分析 | 第50-53页 |
| 6.3 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表论文 | 第59-61页 |
| 致谢 | 第61页 |
