| 1 前言 | 第1-11页 |
| ·癫痫发作预报问题的研究背景和意义 | 第8页 |
| ·以癫痫发作前病人脑电特征为基础的预报方法及存在问题 | 第8-9页 |
| ·本文的主要内容 | 第9-11页 |
| 2 基于脑电信号的癫痫发作预报问题的回顾及方法概述 | 第11-27页 |
| ·脑电信号的基础知识 | 第11-14页 |
| ·脑电信号产生机理、种类和特征 | 第11-12页 |
| ·脑电信号的采集方法 | 第12-13页 |
| ·脑电信号的应用 | 第13-14页 |
| ·基于脑电信号对癫痫发作进行预报的历史 | 第14-15页 |
| ·基于脑电信号的癫痫发作预报方法概述 | 第15-27页 |
| ·时域分析 | 第15页 |
| ·频域分析 | 第15-21页 |
| ·非线性动力学分析 | 第21-23页 |
| ·智能分析技术 | 第23-27页 |
| 3 基于小波变换的信号预处理 | 第27-45页 |
| ·小波变换的基本概念 | 第27-33页 |
| ·小波变换 | 第27-29页 |
| ·多分辨率(尺度)分析 | 第29-33页 |
| ·基于正交小波分频特性的分析小波选择 | 第33-36页 |
| ·在小波变换域分析脑电信号各节律的能量状况 | 第36-44页 |
| ·小波变换的Parseval定理 | 第36-37页 |
| ·在小波变换域分析脑电信号各节律的能量 | 第37-44页 |
| ·小结 | 第44-45页 |
| 4 对基本ELMAN网络的改进及其在癫痫发作预报中的应用 | 第45-59页 |
| ·基本Elman网络结构 | 第45-47页 |
| ·扩展卡尔曼滤波算法用于基本Elman网络的学习 | 第47-51页 |
| ·卡尔曼滤波 | 第47-49页 |
| ·解耦扩展卡尔曼滤波DEKF | 第49-51页 |
| ·对基本Elman网络结构的改进 | 第51-52页 |
| ·基本Elman网络改进前后性能比较 | 第52-54页 |
| ·算法改进小结 | 第54-55页 |
| ·递归神经网络结合信号的小波预处理预报癫痫发作 | 第55-59页 |
| ·方法一:单层小波分解 | 第55-56页 |
| ·方法二:在小波变换域提取脑电信号α节律的能谱 | 第56-57页 |
| ·方法三:提取α节律能谱的上包络 | 第57页 |
| ·结论 | 第57-59页 |
| 5 总结与展望 | 第59-61页 |
| ·研究总结 | 第59页 |
| ·对本文研究工作的思考 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表论文(著)情况 | 第64-65页 |
| 致谢 | 第65-67页 |
