| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·本文的研究背景及意义 | 第7-8页 |
| ·独立分量分析理论概述 | 第8-9页 |
| ·微粒群算法概述 | 第9页 |
| ·胎儿心电提取模型的建立与数据的采集 | 第9-11页 |
| ·胎儿心电模型的建立 | 第9-10页 |
| ·胎儿心电数据的采集 | 第10-11页 |
| ·本文的章节安排 | 第11-13页 |
| 2 独立分量分析理论 | 第13-29页 |
| ·引言 | 第13页 |
| ·独立分量分析模型 | 第13-15页 |
| ·盲信号处理问题的框架 | 第13-14页 |
| ·独立分量分析的模型 | 第14-15页 |
| ·统计分析的相关知识 | 第15-18页 |
| ·信息论的相关理论 | 第18-22页 |
| ·从信息论框架下介绍各种独立性判据 | 第22-26页 |
| ·优化算法 | 第26-28页 |
| ·传统的优化算法 | 第26-28页 |
| ·群集智能算法 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 一种改进的微粒群优化算法的提出 | 第29-40页 |
| ·引言 | 第29-30页 |
| ·原始的微粒群算法 | 第30-32页 |
| ·算法原理 | 第30-31页 |
| ·全局模型与局部模型 | 第31-32页 |
| ·同步模式与异步模式 | 第32页 |
| ·标准微粒群优化算法 | 第32-34页 |
| ·惯性权重的引入 | 第32-33页 |
| ·收缩因子的引入 | 第33页 |
| ·标准微粒群算法存在的问题 | 第33页 |
| ·微粒群算法的研究方向 | 第33-34页 |
| ·微粒群优化算法的改进 | 第34-37页 |
| ·对微粒群算法的分析 | 第34-35页 |
| ·模拟退火思想的引入 | 第35-36页 |
| ·具有突跳特性的微粒群算法原理 | 第36-37页 |
| ·实验与结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 独立分量分析与微粒群算法相结合在胎儿心电中的应用 | 第40-52页 |
| ·引言 | 第40页 |
| ·独立分量分析与微粒群算法相结合 | 第40-44页 |
| ·数据的预处理 | 第40-41页 |
| ·目标函数的建立 | 第41-42页 |
| ·寻优算法的确定 | 第42页 |
| ·算法流程 | 第42-43页 |
| ·性能指标的选择 | 第43-44页 |
| ·ICA 算法的实验 | 第44-48页 |
| ·PICA 分离语音信号 | 第44-46页 |
| ·PICA 分离图象信号 | 第46-48页 |
| ·PICA 在胎儿心电提取中的应用 | 第48-51页 |
| ·心电信号模型的分离 | 第48-50页 |
| ·临床心电数据的提取 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 总结 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
| 作者在攻读学位期间发表的论文目录 | 第57页 |