| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 注释表 | 第13-14页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 引言 | 第14页 |
| 1.2 课题背景及研究意义 | 第14-16页 |
| 1.2.1 课题研究背景 | 第14-15页 |
| 1.2.2 课题研究背景 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-20页 |
| 1.3.1 脑电信号预处理的研究现状 | 第16-18页 |
| 1.3.2 睡眠分期的研究现状 | 第18-20页 |
| 1.4 论文研究的主要内容及结构安排 | 第20-22页 |
| 1.4.1 课题来源及研究内容 | 第20-21页 |
| 1.4.2 论文结构安排 | 第21-22页 |
| 第2章 脑电信号及睡眠分期基础 | 第22-39页 |
| 2.1 引言 | 第22页 |
| 2.2 脑电信号简介 | 第22-26页 |
| 2.2.1 脑电信号的产生机理 | 第22-23页 |
| 2.2.2 脑电信号的基本特征 | 第23-25页 |
| 2.2.3 脑电信号的节律特征 | 第25-26页 |
| 2.3 多导联脑电信号检测 | 第26-29页 |
| 2.4 脑电信号的预处理 | 第29-33页 |
| 2.4.1 脑电信号的伪迹噪声及干扰源 | 第29-32页 |
| 2.4.2 伪迹去除方法 | 第32-33页 |
| 2.5 睡眠分期简介 | 第33-36页 |
| 2.5.1 睡眠分期概述 | 第33页 |
| 2.5.2 睡眠分期标准 | 第33-35页 |
| 2.5.3 睡眠各期特点 | 第35-36页 |
| 2.6 脑电特征提取方法 | 第36-37页 |
| 2.6.1 时域分析法 | 第36-37页 |
| 2.6.2 频域分析法 | 第37页 |
| 2.6.3 时频域分析法 | 第37页 |
| 2.6.4 非线性动力学分析法 | 第37页 |
| 2.7 特征分类方法 | 第37-38页 |
| 2.8 本章小结 | 第38-39页 |
| 第3章 基于独立分量与离散正交S变换的脑电去伪迹算法 | 第39-80页 |
| 3.1 引言 | 第39页 |
| 3.2 S变换 | 第39-43页 |
| 3.2.1 S变换基本原理 | 第39-41页 |
| 3.2.2 S变换去除单导联脑电信号伪迹 | 第41-42页 |
| 3.2.3 S变换的不足 | 第42-43页 |
| 3.3 S变换的简易化实现 | 第43-47页 |
| 3.4 基于扩展Infomax与DOST的多导联脑电信号伪迹去除 | 第47-62页 |
| 3.4.1 算法基本思想 | 第47页 |
| 3.4.2 基于扩展Infomax与DOST的信号分解与重构 | 第47-51页 |
| 3.4.3 伪迹分量的自动识别 | 第51-55页 |
| 3.4.4 阈值的优化选取 | 第55-57页 |
| 3.4.5 算法实现过程及计算复杂度分析 | 第57-62页 |
| 3.5 仿真实验及分析 | 第62-78页 |
| 3.5.1 实验数据来源 | 第62-63页 |
| 3.5.2 算法性能评价指标 | 第63-64页 |
| 3.5.3 实验结果与分析 | 第64-78页 |
| 3.6 本章小结 | 第78-80页 |
| 第4章 基于蚁群优选的半监督主动协同睡眠分期算法 | 第80-103页 |
| 4.1 引言 | 第80页 |
| 4.2 问题的提出 | 第80-81页 |
| 4.3 算法基本思想 | 第81-82页 |
| 4.4 多域特征下的蚁群优选 | 第82-90页 |
| 4.4.1 蚁群算法的基本概念 | 第82-84页 |
| 4.4.2 基于蚁群算法的分期特征优选 | 第84-86页 |
| 4.4.3 仿真结果及分析 | 第86-90页 |
| 4.5 半监督主动协同睡眠分期算法 | 第90-101页 |
| 4.5.1 半监督学习与ALKLSS算法 | 第90-92页 |
| 4.5.2 协同训练中的误差率迭代降低 | 第92-94页 |
| 4.5.3 蚁群优选特征下的半监督主动协同分期算法 | 第94-96页 |
| 4.5.4 仿真结果及分析 | 第96-101页 |
| 4.6 本章小结 | 第101-103页 |
| 第5章 总结与展望 | 第103-105页 |
| 5.1 论文总结 | 第103-104页 |
| 5.2 下一步工作展望 | 第104-105页 |
| 参考文献 | 第105-112页 |
| 致谢 | 第112-113页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第113页 |
