多通道脑电信号的压缩感知技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 压缩感知技术发展现状 | 第11-12页 |
| 1.2.2 体域网下压缩感知技术的研究现状 | 第12-13页 |
| 1.2.3 国内外研究现状分析 | 第13-14页 |
| 1.3 本文的研究内容与结构 | 第14-15页 |
| 第2章 多通道脑电信号压缩感知方法研究 | 第15-40页 |
| 2.1 压缩感知原理 | 第15-19页 |
| 2.1.1 压缩感知数学模型 | 第15-16页 |
| 2.1.2 分布式压缩感知原理 | 第16-17页 |
| 2.1.3 压缩感知条件和特性 | 第17-19页 |
| 2.2 脑电信号稀疏性分析 | 第19-24页 |
| 2.2.1 离散傅立叶变换稀疏分解 | 第19-21页 |
| 2.2.2 离散余弦变换稀疏分解 | 第21-22页 |
| 2.2.3 离散小波变换稀疏分解 | 第22-23页 |
| 2.2.4 Gabor字典稀疏分解 | 第23-24页 |
| 2.2.5 稀疏度计算 | 第24页 |
| 2.3 模拟测量矩阵设计 | 第24-31页 |
| 2.3.1 随机解调AIC模型设计 | 第25-26页 |
| 2.3.2 AIC数学模型分析 | 第26-27页 |
| 2.3.3 仿真实验验证 | 第27-31页 |
| 2.4 数字编码测量矩阵设计 | 第31-37页 |
| 2.4.1 高斯随机矩阵设计 | 第31-32页 |
| 2.4.2 伯努利矩阵设计 | 第32-33页 |
| 2.4.3 部分哈达玛矩阵设计 | 第33-34页 |
| 2.4.4 稀疏BPBD矩阵设计 | 第34-36页 |
| 2.4.5 实验分析 | 第36页 |
| 2.4.6 矩阵非相关性分析 | 第36-37页 |
| 2.5 重构算法设计 | 第37-39页 |
| 2.5.1 OMP重构算法 | 第37-38页 |
| 2.5.2 SOMP联合重构算法 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于FPGA的压缩采集系统设计与实现 | 第40-54页 |
| 3.1 需求分析 | 第40页 |
| 3.2 系统总体方案 | 第40-41页 |
| 3.3 硬件平台搭建 | 第41-42页 |
| 3.4 数据采集模块 | 第42-45页 |
| 3.4.1 ADS1299采集电路分析 | 第42-44页 |
| 3.4.2 电极测量位置 | 第44-45页 |
| 3.5 数据采集控制单元设计 | 第45-48页 |
| 3.5.1 AD控制单元设计 | 第45-47页 |
| 3.5.2 SPI数据传输单元设计 | 第47-48页 |
| 3.6 存储单元设计 | 第48-50页 |
| 3.6.1 数据选择器设计 | 第48-49页 |
| 3.6.2 存储区设计 | 第49-50页 |
| 3.7 压缩单元设计 | 第50-52页 |
| 3.7.1 测量矩阵计算分解 | 第50页 |
| 3.7.2 测量矩阵电路模型 | 第50-51页 |
| 3.7.3 测量矩阵状态机设计 | 第51-52页 |
| 3.8 数据传输单元设计 | 第52-53页 |
| 3.9 本章小结 | 第53-54页 |
| 第4章 多通道脑电信号重构软件实现 | 第54-62页 |
| 4.1 系统软件组成及软件平台 | 第54-55页 |
| 4.1.1 软件平台介绍 | 第54页 |
| 4.1.2 软件组成 | 第54-55页 |
| 4.2 系统功能模块设计 | 第55-60页 |
| 4.2.1 读取数据模块设计 | 第55-57页 |
| 4.2.2 数据重构模块设计 | 第57-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第5章 系统功能验证及性能评价 | 第62-74页 |
| 5.1 系统功能验证 | 第62-66页 |
| 5.1.1 脑电信号采集存储功能验证 | 第62-63页 |
| 5.1.2 压缩单元验证 | 第63-64页 |
| 5.1.3 查询数据传输功能验证 | 第64页 |
| 5.1.4 重构计算验证 | 第64-66页 |
| 5.2 性能评价 | 第66-69页 |
| 5.2.1 重构精度分析 | 第66-68页 |
| 5.2.2 计算复杂度分析 | 第68-69页 |
| 5.3 数据压缩与情感识别率探讨 | 第69-73页 |
| 5.3.1 实验准备 | 第69-70页 |
| 5.3.2 基于支持向量机(SVM)的情绪分类 | 第70-73页 |
| 5.4 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81页 |
