多通道脑电图信号的结构稀疏优化分析
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第7-8页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 脑电信号的研究现状 | 第8-11页 |
| 1.1.1 研究背景及意义 | 第8页 |
| 1.1.2 脑电信号研究历史 | 第8-11页 |
| 1.2 脑电信号采集方式 | 第11-15页 |
| 1.2.1 脑电信号研究方法 | 第13-15页 |
| 1.3 独立成分分析简介 | 第15-16页 |
| 1.4 本文主要工作 | 第16-18页 |
| 第二章 脑电信号的分类和分析 | 第18-25页 |
| 2.1 自发脑电信号的分类 | 第18-19页 |
| 2.2 自发脑电信号的获取 | 第19-21页 |
| 2.3 独立成分分析 | 第21-23页 |
| 2.4 交替方向乘子法框架 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 独立成分分析 | 第25-37页 |
| 3.1 独立成分分析的数学模型 | 第25-29页 |
| 3.1.1 ICA独立性判据 | 第28页 |
| 3.1.2 高斯性负熵判据 | 第28-29页 |
| 3.2 互信息判据 | 第29页 |
| 3.3 ICA典型算法 | 第29-33页 |
| 3.3.1 Infomax算法 | 第30-32页 |
| 3.3.2 FastICA算法 | 第32-33页 |
| 3.4 数据仿真 | 第33-37页 |
| 第四章 ADMM改进ICA算法 | 第37-53页 |
| 4.1 多通道多维数据与稀疏化的必要性 | 第37-39页 |
| 4.2 建模 | 第39-41页 |
| 4.3 梯度和最优化方法 | 第41页 |
| 4.4 ADMM设计 | 第41-46页 |
| 4.5 仿真结果 | 第46-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |
