| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 时频非平稳信号处理方法 | 第9页 |
| 1.2.2 频域非平稳信号处理方法 | 第9页 |
| 1.2.3 时频分析非平稳信号处理方法 | 第9-11页 |
| 1.3 研究主要工作 | 第11-14页 |
| 1.4 论文主要安排 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 基于小波包分解的非平稳信号特征提取 | 第15-23页 |
| 2.1 小波分析 | 第15-17页 |
| 2.1.1 连续小波变换 | 第15页 |
| 2.1.2 离散小波变换 | 第15-16页 |
| 2.1.3 多分辨分析 | 第16-17页 |
| 2.2 小波包分解 | 第17-19页 |
| 2.3 非平稳信号的能量特征提取 | 第19-22页 |
| 2.3.1 基于小波包分解的信号能量特征提取方法 | 第19-21页 |
| 2.3.2 基于小波包分解的信号能量特征提取仿真 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于KPCA方法的特征提取 | 第23-34页 |
| 3.1 主成份分析特征提取方法 | 第23-26页 |
| 3.1.1 主成分分析（PCA）方法 | 第23-24页 |
| 3.1.2 核主成分分析（KPCA）方法 | 第24-26页 |
| 3.2 基于主成分分析的特征提取方法 | 第26-28页 |
| 3.3 基于核主成分分析的特征提取方法 | 第28-30页 |
| 3.4 核主成分分析与主成分分析的特征提取性能比较 | 第30-33页 |
| 3.4.1 性能评价参数定义 | 第30-31页 |
| 3.4.2 相同准确度下主成份个数比较 | 第31-32页 |
| 3.4.3 相同主成份数量下的准确度比较 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于支持向量机的分类研究 | 第34-46页 |
| 4.1 支持向量机的理论 | 第34-40页 |
| 4.1.1 统计学理论 | 第34-36页 |
| 4.1.2 支持向量机 | 第36-40页 |
| 4.2 核函数的参数分析 | 第40-42页 |
| 4.2.1 参数分析 | 第40-41页 |
| 4.2.2 权重参数C分析 | 第41-42页 |
| 4.3 支持向量机分类仿真实验 | 第42-44页 |
| 4.4 基于灵敏度与特异度的分类器性能的研究 | 第44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 时频分析方法在脑电信号处理中的应用 | 第46-63页 |
| 5.1 脑电信号的特点 | 第47-53页 |
| 5.1.1 脑电信号的分析方法研究 | 第48-49页 |
| 5.1.2 脑电信号数据库 | 第49-53页 |
| 5.2 基于时频分析的脑电信号异常特征提取与识别 | 第53-60页 |
| 5.2.1 基于小波包分解的脑电信号的能量特征提取 | 第53页 |
| 5.2.2 基于核主成分分析脑电信号的降维提取特征 | 第53-55页 |
| 5.2.3 基于支持向量机的脑电信号分类 | 第55-60页 |
| 5.3 基于不同核函数降维提取特征的灵敏度与特异度分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 下一步工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
| A. 攻读硕士学位期间发表的论文 | 第70页 |
| B. 攻读硕士学位期间取得的科研成果 | 第70页 |
| C. 攻读硕士学位期间参与的工程项目 | 第70页 |
