| 第一章 绪论 | 第1-19页 |
| ·稀疏成分分解的研究背景 | 第13-15页 |
| ·稀疏成分分析的研究状况 | 第15-16页 |
| ·稀疏成分分析的主要应用 | 第16-17页 |
| ·稀疏成分分析中存在的一些主要问题 | 第17页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的内容安排 | 第18-19页 |
| 第二章 相关理论基础 | 第19-35页 |
| ·稀疏分解有关的理论 | 第19-30页 |
| ·完备库和过完备库 | 第19-22页 |
| ·离散余弦变换(Discrete cosine transform，DCT)和其过完备库 | 第19-21页 |
| ·小波变换(Wavelet transform)和其过完备库 | 第21-22页 |
| ·稀疏分解方法 | 第22-27页 |
| ·匹配追踪方法 | 第22-23页 |
| ·l_p模约束的稀疏分解方法 | 第23-27页 |
| ·信号在完备库和过完备库中的表达差异 | 第27-30页 |
| ·脑电源反演的相关理论 | 第30-34页 |
| ·脑电研究中的头模型 | 第30-31页 |
| ·脑电正问题 | 第31-32页 |
| ·脑电逆问题 | 第32-34页 |
| ·导联矩阵(传递矩阵)G的计算 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第三章 双库匹配追踪稀疏分解算法(TDMP) | 第35-46页 |
| ·引言 | 第35-36页 |
| ·方法原理 | 第36-39页 |
| ·信号的稀疏性 | 第36页 |
| ·小波过完备库的构造 | 第36-37页 |
| ·MP分解 | 第37页 |
| ·双库匹配追踪算法(Two dictionaries matching pursuit，TDMP) | 第37-39页 |
| ·试验结果 | 第39-43页 |
| ·算法性能分析 | 第39-42页 |
| ·真实信号分解测试 | 第42-43页 |
| ·语音信号的分解 | 第42-43页 |
| ·脑电信号的分解 | 第43页 |
| ·结果讨论 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 利用稀疏分解提取瞬态诱发电位成分 | 第46-60页 |
| ·引言 | 第46-47页 |
| ·方法和原理 | 第47-49页 |
| ·混合过完备库的选择依据和构造 | 第47-49页 |
| ·MP方法在混合过完备库中分离信号 | 第49页 |
| ·方法性能测试 | 第49-54页 |
| ·瞬态信号和稳定余弦振荡信号的分离 | 第50-51页 |
| ·EP和稳定余弦振荡信号的分离 | 第51页 |
| ·瞬态信号和 EEG背景噪声的分离 | 第51-52页 |
| ·在不同随机背景噪声条件下的EP估计 | 第52页 |
| ·EP和自发脑电的分离 | 第52-53页 |
| ·模拟实验讨论 | 第53-54页 |
| ·实际应用 | 第54-57页 |
| ·数据介绍 | 第55页 |
| ·利用MOSCA的去噪效果 | 第55-57页 |
| ·讨论 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于真实头模型的稀疏分解脑电去噪方法 | 第60-70页 |
| ·引言 | 第60-61页 |
| ·方法原理 | 第61-62页 |
| ·稀疏成分分析 | 第61-62页 |
| ·匹配追踪(MP)迭代分解去噪方法 | 第62页 |
| ·实验结果 | 第62-68页 |
| ·真实头模型 | 第63页 |
| ·不同噪声水平下的去噪测试 | 第63-64页 |
| ·不同位置的源对去噪的影响 | 第64-66页 |
| ·对真实记录脑电的去噪 | 第66-68页 |
| ·讨论和结论 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 基于l_p模约束的迭代脑电稀疏源定位方法 | 第70-89页 |
| ·引言 | 第70-71页 |
| ·脑电逆问题求解方法 | 第71-74页 |
| ·LORETA | 第72页 |
| ·FOCUSS | 第72-73页 |
| ·l_p模稀疏解 | 第73页 |
| ·LPISS | 第73-74页 |
| ·头模型和算法性能评估指标 | 第74-76页 |
| ·头模型 | 第74-75页 |
| ·性能评估指标 | 第75-76页 |
| ·模拟实验定位结果 | 第76-84页 |
| ·不同噪声强度下对两个孤立源的定位 | 第76-79页 |
| ·对深浅混合源的定位测试 | 第79-80页 |
| ·对集中分布源的定位测试 | 第80-84页 |
| ·LPISS在真实脑电数据源定位中的应用 | 第84-87页 |
| ·IOR实验 | 第84-86页 |
| ·IOR源定位的结果和讨论 | 第86-87页 |
| ·讨论和结论 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 第七章 基于微粒群解空间编码压缩的脑电源定位方法 | 第89-108页 |
| ·引言 | 第89-91页 |
| ·方法原理 | 第91-95页 |
| ·标准微粒群优化算法(Particle swarm optimization，PSO) | 第91-92页 |
| ·3SCO脑电源定位方法 | 第92-95页 |
| ·解空间的压缩 | 第92页 |
| ·基于微粒对解空间进行编码和压缩 | 第92-93页 |
| ·自适应阈值函数在子空间Θ_s中消除噪声影响 | 第93-94页 |
| ·3SCO的迭代流程 | 第94-95页 |
| ·模拟实验结果 | 第95-104页 |
| ·头模型 | 第95-96页 |
| ·3层球模型 | 第95页 |
| ·真实头模型 | 第95-96页 |
| ·在3层球模型上的皮层成像 | 第96-99页 |
| ·皮层解空间定义 | 第96页 |
| ·不同噪声水平下的皮层源定位 | 第96-98页 |
| ·皮层不同分布源的定位 | 第98-99页 |
| ·球模型上对深源的定位结果 | 第99-101页 |
| ·真实头模型上的源定位 | 第101-103页 |
| ·算法定位性能统计特性 | 第103-104页 |
| ·3SCO对真实数据的源定位结果 | 第104-105页 |
| ·结果讨论和结论 | 第105-106页 |
| ·本章小结 | 第106-108页 |
| 第八章 全文总结和进一步的工作 | 第108-110页 |
| ·本论文工作总结 | 第108-109页 |
| ·展望 | 第109-110页 |
| 参考文献 | 第110-120页 |
| 致谢 | 第120-121页 |
| 作者攻读博士期间的研究论文成果 | 第121-122页 |
