基于经验模态分解的眼电伪迹去除方法的研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的工作及行文思路 | 第11-13页 |
| 第二章 脑电和眼电信号的特征及其处理方法 | 第13-26页 |
| 2.1 脑电的基本特征 | 第13-18页 |
| 2.1.1 脑电的振幅和频率及其他特点 | 第13页 |
| 2.1.2 脑电的分类 | 第13-15页 |
| 2.1.3 脑电的采集 | 第15-18页 |
| 2.2 眼电生理信号伪迹的基本特征 | 第18-20页 |
| 2.2.1 眼电的振幅和频率及其他特点 | 第18页 |
| 2.2.2 眼电的分类和采集 | 第18-20页 |
| 2.3 眼电伪迹去除方法总结 | 第20-23页 |
| 2.3.1 眼电的产生和传播 | 第20页 |
| 2.3.2 眼电伪迹的去除方法总结 | 第20-23页 |
| 2.4 数据准备 | 第23-25页 |
| 2.4.1 仿真数据 | 第23-24页 |
| 2.4.2 真实ERP数据 | 第24-25页 |
| 2.5 本章总结 | 第25-26页 |
| 第三章 经验模态分解和小波变换基本理论 | 第26-36页 |
| 3.1 经验模态分解 | 第26-33页 |
| 3.1.1 本征模态函数和瞬时频率 | 第26-28页 |
| 3.1.2 时间特征尺度 | 第28页 |
| 3.1.3 筛选过程 | 第28-31页 |
| 3.1.4 停止条件 | 第31-32页 |
| 3.1.5 EMD分解的完备性和正交性 | 第32-33页 |
| 3.1.6 经验模态分解用于去噪 | 第33页 |
| 3.2 小波变换 | 第33-35页 |
| 3.2.1 小波变换基本原理 | 第33-34页 |
| 3.2.2 离散小波变换 | 第34-35页 |
| 3.2.3 小波变换用于去噪 | 第35页 |
| 3.3 本章总结 | 第35-36页 |
| 第四章 经验模态分解用于眼电去噪 | 第36-41页 |
| 4.1 经验模态分解结合离散小波变换去噪方法 | 第36-38页 |
| 4.2 检验模态分解用于脑电去噪 | 第38-39页 |
| 4.3 混合算法相对于单一算法的优越性 | 第39-40页 |
| 4.4 本章总结 | 第40-41页 |
| 第五章 和其他两种去眼电方法比较 | 第41-49页 |
| 5.1 SWT阈值方法和APF方法简要介绍 | 第41-43页 |
| 5.1.1 SWT阈值方法基本原理 | 第41-42页 |
| 5.1.2 APF自适应预测滤波器方法 | 第42-43页 |
| 5.2 仿真数据下三种方法比较 | 第43-45页 |
| 5.3 ERP数据下三种方法比较 | 第45-48页 |
| 5.4 本章总结 | 第48-49页 |
| 第六章 总结和展望 | 第49-51页 |
| 6.1 本文工作总结 | 第49-50页 |
| 6.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
