基于独立分量分析的胎儿心电信号提取的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·独立分量分析的发展简史 | 第9-10页 |
| ·胎儿心电图提取方法研究进展 | 第10-11页 |
| ·本课题主要研究内容 | 第11-13页 |
| 2 独立分量分析原理 | 第13-36页 |
| ·引论 | 第13-17页 |
| ·多元数据的线性表示 | 第13-14页 |
| ·盲源分离 | 第14-16页 |
| ·独立分量分析 | 第16-17页 |
| ·随机向量和独立性 | 第17-22页 |
| ·概率分布和概率密度 | 第17-18页 |
| ·期望和矩 | 第18-20页 |
| ·不相关性和独立性 | 第20-22页 |
| ·梯度和最优化方法 | 第22-29页 |
| ·向量和矩阵梯度 | 第22-25页 |
| ·无约束优化和学习规则 | 第25-28页 |
| ·约束优化的学习规则 | 第28-29页 |
| ·信息论 | 第29-36页 |
| ·熵 | 第29-31页 |
| ·互信息 | 第31-32页 |
| ·负熵 | 第32页 |
| ·非多项式函数近似熵 | 第32-36页 |
| 3 独立分量分析的基本模型及典型算法 | 第36-48页 |
| ·ICA 的基本模型 | 第36-38页 |
| ·ICA 作为生成模型的估计 | 第36页 |
| ·ICA 的约束 | 第36-37页 |
| ·ICA 中的不确定因素 | 第37-38页 |
| ·主分量分析与白化 | 第38-40页 |
| ·主分量分析（PCA） | 第38页 |
| ·白化 | 第38-39页 |
| ·独立分量分析和主分量分析区别 | 第39页 |
| ·高斯变量为何不能适用 | 第39-40页 |
| ·快速定点 ICA(FICA)算法 | 第40-45页 |
| ·极大化非高斯性作为独立性的度量 | 第40-42页 |
| ·负熵作为非高斯性的度量 | 第42页 |
| ·负熵的近似 | 第42-43页 |
| ·基于负熵的FICA 算法 | 第43-45页 |
| ·ICA 的其它算法 | 第45-47页 |
| ·信息极大化（Infomax）算法 | 第45-46页 |
| ·互信息最小算法 | 第46页 |
| ·最大似然算法 | 第46-47页 |
| ·独立分量分析算法的选择 | 第47-48页 |
| 4 ICA 在胎儿心电信号提取中的应用 | 第48-61页 |
| ·胎儿心电研究现状 | 第48-50页 |
| ·心电信号产生机理及特点 | 第50-56页 |
| ·心电信号的产生机理和组成 | 第50-53页 |
| ·胎儿心电信号的特点 | 第53-55页 |
| ·胎儿心电信号的频谱特点 | 第55-56页 |
| ·胎儿心电提取 | 第56-61页 |
| ·电极（导联）位置 | 第56-57页 |
| ·原始数据表示图 | 第57-58页 |
| ·用FastICA 提取FECG | 第58-59页 |
| ·小波消噪 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·下一步的工作 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-70页 |
