抑郁倾向预测算法研究及其微系统集成实现
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-14页 |
| ·重要概论 | 第10-12页 |
| ·抑郁概念 | 第10-11页 |
| ·模式识别 | 第11页 |
| ·微系统集成 | 第11-12页 |
| ·研究目标 | 第12-13页 |
| ·创新特点 | 第13页 |
| ·本文结构 | 第13-14页 |
| 第2章 研究基础 | 第14-22页 |
| ·抑郁的脑机制 | 第14-17页 |
| ·脑结构 | 第14-15页 |
| ·脑化学 | 第15-16页 |
| ·抑郁监测 | 第16-17页 |
| ·近红外组织光学 | 第17-19页 |
| ·生命之窗 | 第17-18页 |
| ·基本工作原理 | 第18-19页 |
| ·耳穴信号特点 | 第19-21页 |
| ·电学 | 第19-20页 |
| ·耳穴映射 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第3章 算法研究 | 第22-31页 |
| ·认知状态选择 | 第22-24页 |
| ·平静 | 第22-23页 |
| ·微笑 | 第23-24页 |
| ·数据建库 | 第24-25页 |
| ·信息采集系统 | 第24-25页 |
| ·数据建库方法 | 第25页 |
| ·小波特征 | 第25-27页 |
| ·小波综论 | 第25-26页 |
| ·特征选择 | 第26-27页 |
| ·算法实现 | 第27页 |
| ·小波多重分形特征 | 第27-29页 |
| ·分形综论 | 第27-28页 |
| ·特征选择 | 第28页 |
| ·算法实现 | 第28-29页 |
| ·算法特征比较 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第4章 微系统实现 | 第31-40页 |
| ·ARM核特点 | 第31-32页 |
| ·微系统GE01结构 | 第32-34页 |
| ·应用算法实现 | 第34-36页 |
| ·小波C语言实现 | 第34页 |
| ·多重分形C语言实现 | 第34-36页 |
| ·调试技术 | 第36-39页 |
| ·关键参数设定 | 第36-37页 |
| ·烧录问题解决 | 第37-38页 |
| ·ADS调试过程 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第五章 数据分析统计 | 第40-48页 |
| ·基于PC机系统的实验效度 | 第40-44页 |
| ·小波算法的实验效度分析 | 第40-43页 |
| ·平静与微笑的能量比 | 第43-44页 |
| ·基于GE01系统的实验效度 | 第44-47页 |
| ·小波算法实验效度 | 第44-45页 |
| ·小波加分形算法实验效度 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第六章 总结及展望 | 第48-50页 |
| ·总结 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间公开发表的论文 | 第53-54页 |
| 致谢 | 第54-55页 |
| 详细摘要 | 第55-57页 |
