| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题的研究背景 | 第9页 |
| ·课题研究目的及意义 | 第9-10页 |
| ·本文的主要工作 | 第10-11页 |
| ·本文的结构安排 | 第11-13页 |
| 2 癫痫脑电信号及其分析方法简介 | 第13-23页 |
| ·癫痫及其研究概况 | 第13页 |
| ·癫痫病症的临床特点 | 第13-14页 |
| ·癫痫脑电信号的特征波 | 第14页 |
| ·时域分析和频域分析 | 第14-17页 |
| ·时域分析方法特点及其不足 | 第15页 |
| ·频域分析方法特点及其不足 | 第15-17页 |
| ·时频域分析 | 第17-19页 |
| ·短时傅立叶变换(STFT) | 第17-19页 |
| ·小波变换 | 第19页 |
| ·独立分量分析 | 第19-21页 |
| ·人工神经网络 | 第21页 |
| ·非线性动力学方法 | 第21页 |
| ·本章小结 | 第21-23页 |
| 3 脑电信号预处理 | 第23-34页 |
| ·脑电信号伪迹产生的机理 | 第23-24页 |
| ·独立分量分析的主要算法 | 第24-29页 |
| ·FastICA算法 | 第24-25页 |
| ·Informax及扩展Informax算法 | 第25-26页 |
| ·独立分量分析用于脑电信号预处理的方法 | 第26-27页 |
| ·仿真结果与分析讨论 | 第27-29页 |
| ·小波变换及其在脑电信号预处理中的应用 | 第29-33页 |
| ·小波变换算法 | 第29-30页 |
| ·小波变换用于脑电信号预处理的信号仿真及结果分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于样本熵和经验模态分解的癫痫脑电预测方法 | 第34-59页 |
| ·近似熵 | 第34-40页 |
| ·近似熵算法及其性质 | 第34-36页 |
| ·基于近似熵的癫痫预测方法 | 第36页 |
| ·仿真结果与分析讨论 | 第36-40页 |
| ·样本熵 | 第40-44页 |
| ·样本熵算法及其性质 | 第40-41页 |
| ·基于样本熵的癫痫预测方法及其仿真结果分析 | 第41-44页 |
| ·近似熵和样本熵算法在癫痫预测中的效果对比 | 第44-47页 |
| ·经验模态分解(EMD)原理 | 第47-52页 |
| ·经验模态分解算法 | 第48-50页 |
| ·经验模态分解算法在癫痫预测中的应用 | 第50-52页 |
| ·集合经验模态分解(EEMD)算法 | 第52-58页 |
| ·EEMD算法 | 第53-54页 |
| ·EEMD算法与EMD算法在癫痫预测中的应用效果对比 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 5 基于脑电信号特征提取的癫痫特征波提取 | 第59-75页 |
| ·癫痫特征波的模型 | 第59-60页 |
| ·小波变换+SNEO+BP神经网络的综合型癫痫特征波判定方法 | 第60-70页 |
| ·小波变换当中母小波的选取 | 第60-63页 |
| ·非线性能量算子 | 第63-67页 |
| ·人工神经网络原理 | 第67-70页 |
| ·综合型癫痫特征波判定方法的仿真结果与分析讨论 | 第70-73页 |
| ·本章小结 | 第73-75页 |
| 6 总结与展望 | 第75-77页 |
| ·本文工作的总结 | 第75-76页 |
| ·本文研究工作的思考与展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |