| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-24页 |
| ·动态神经网络与分数阶Fourier研究的理论意义与应用价值 | 第9-10页 |
| ·非平稳信号分析与处理的时频分析方法简介 | 第10-20页 |
| ·基本时频分析方法简介 | 第10-17页 |
| ·分数阶Fourier变换基本性质 | 第17-20页 |
| ·基本神经网络模型及应用 | 第20-23页 |
| ·TCNN的基本概念 | 第20-21页 |
| ·基本Elman网络 | 第21-23页 |
| ·本文的主要工作 | 第23-24页 |
| 2 基于分数阶Fourier变换的脑电棘波检测新方法 | 第24-39页 |
| ·脑电棘波检测的背景知识 | 第24-28页 |
| ·脑电棘波的基本特点 | 第24-25页 |
| ·脑电棘波基本检测方法及研究 | 第25-28页 |
| ·基于分数阶Fourier变换的棘波检测系统 | 第28-35页 |
| ·小波变换与预处理方法 | 第29-30页 |
| ·基于分数阶Fourier变换的棘波提取方法 | 第30-33页 |
| ·基于相关的棘波检测技术 | 第33-35页 |
| ·棘波检测结果及分析 | 第35-38页 |
| ·小结 | 第38-39页 |
| 3 基于FRFT的chirplet分解新方法 | 第39-49页 |
| ·chirplet信号自适应分解简介 | 第39-40页 |
| ·chirplet自适应时频分解方法基本概念及研究进展 | 第39-40页 |
| ·chirplet自适应算法介绍 | 第40页 |
| ·基于FRFT的chirplet参数估计方法 | 第40-45页 |
| ·基本chirplet信号分数阶Fourier变换取模的形式 | 第41页 |
| ·基本chirplet信号的分数阶Fourier估计算法 | 第41-45页 |
| ·算法仿真结果及分析 | 第45-48页 |
| ·小结 | 第48-49页 |
| 4 TCNN优化及其在Elman网络训练中的应用 | 第49-57页 |
| ·函数优化方法简介 | 第49-50页 |
| ·一种新的TCNN优化策略 | 第50-51页 |
| ·TCNN优化方法应用于基本Elman网络学习 | 第51-52页 |
| ·基本Elman网络的TCNN优化仿真结果及其分析 | 第52-56页 |
| ·小结 | 第56-57页 |
| 5 基于Kalman滤波的基本Elman网络训练新方法 | 第57-66页 |
| ·基本Elman网络的扩展Kalman滤波训练算法 | 第57-58页 |
| ·扩展Kalman滤波算法应用基本Elman网络训练的新算法 | 第58-60页 |
| ·仿真结果 | 第60-65页 |
| ·小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·本文工作的总结 | 第66-67页 |
| ·本文研究工作的进一步思考与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |
| 大连理工大学学位论文版权使用授权书 | 第73页 |
