基于自相关函数和峭度的FECG提取算法研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·胎儿心电图的分离和提取 | 第7-8页 |
| ·独立分量分析的概述 | 第8-11页 |
| ·独立分量分析的应用 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 2 独立分量分析的基本理论 | 第13-25页 |
| ·独立性 | 第13-14页 |
| ·高阶矩和高阶累积量 | 第14-17页 |
| ·高阶矩和高阶累积量的定义 | 第14-15页 |
| ·偏度和峭度 | 第15-17页 |
| ·信息论基础 | 第17-20页 |
| ·熵 | 第17-18页 |
| ·KL 散度 | 第18-19页 |
| ·互信息 | 第19页 |
| ·负熵 | 第19-20页 |
| ·ICA 原理 | 第20-21页 |
| ·ICA 基本模型 | 第20页 |
| ·ICA 问题的不确定性 | 第20-21页 |
| ·数据的预处理 | 第21-23页 |
| ·中心化 | 第21页 |
| ·白化 | 第21-23页 |
| ·高斯变量为何在ICA 不适用 | 第23-25页 |
| 3 基于自相关函数和峭度的 FECG 的提取算法 | 第25-40页 |
| ·Infomax 算法 | 第25-32页 |
| ·自然梯度与相对梯度 | 第25页 |
| ·Infomax 算法 | 第25-26页 |
| ·扩展Infomax | 第26-27页 |
| ·扩展Infomax 算法性能实验 | 第27-32页 |
| ·ICA 的固定点算法 | 第32-36页 |
| ·基于峭度的固定点算法 | 第32-33页 |
| ·多个独立分量的逐次提取 | 第33-34页 |
| ·快速固定点算法性能实验 | 第34-36页 |
| ·基于自相关函数和峭度的FECG 的提取算法 | 第36-40页 |
| 4 基于自相关函数和峭度的 FECG 提取实验 | 第40-45页 |
| ·用合成信号进行FECG 的提取 | 第40-41页 |
| ·临床ECG 信号进行FECG 的提取 | 第41-45页 |
| 5 总结 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51页 |
