脑电信号的特征提取及睡眠分期方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·概述 | 第7-8页 |
| ·脑电信号 | 第7页 |
| ·睡眠概述 | 第7-8页 |
| ·研究内容及研究意义 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·研究工作与章节安排 | 第10-12页 |
| 第二章 脑电信号及多导睡眠检测 | 第12-19页 |
| ·脑电信号 | 第12-14页 |
| ·脑电信号的产生机理 | 第12-13页 |
| ·脑电信号的生理特点 | 第13-14页 |
| ·脑电信号检测 | 第14-15页 |
| ·脑电图 | 第15-17页 |
| ·脑电图概述 | 第15-16页 |
| ·脑电图基本波形 | 第16-17页 |
| ·多导睡眠检测 | 第17-18页 |
| ·总结 | 第18-19页 |
| 第三章 脑电信号的现代处理方法 | 第19-30页 |
| ·脑电信号的时频处理方法 | 第19-24页 |
| ·时域和频域处理方法 | 第19-20页 |
| ·时频处理方法 | 第20-24页 |
| ·独立分量方法 | 第24-26页 |
| ·优化判据 | 第25页 |
| ·优化算法 | 第25-26页 |
| ·人工神经网络分析 | 第26-27页 |
| ·非线性动力学方法 | 第27-29页 |
| ·相关维数 | 第27-28页 |
| ·复杂性测度 | 第28-29页 |
| ·总结 | 第29-30页 |
| 第四章 基于独立分量的脑电信号特征提取 | 第30-61页 |
| ·独立分量的发展应用 | 第30-35页 |
| ·盲信源分离问题 | 第30-31页 |
| ·ICA的问题描述及概念 | 第31-35页 |
| ·相关知识 | 第35-48页 |
| ·概率论的知识 | 第35-37页 |
| ·统计量的知识 | 第37-41页 |
| ·信息论的知识 | 第41-45页 |
| ·线性系统前后信息特征变化 | 第45-48页 |
| ·ICA的优化判据 | 第48-50页 |
| ·非高斯极大判据 | 第48页 |
| ·非线性不相关 | 第48-50页 |
| ·互信息极小化 | 第50页 |
| ·基于ICA的脑电信号特征提取 | 第50-56页 |
| ·脑电信号处理的固定点算法 | 第51-53页 |
| ·固定点算法流程 | 第53-54页 |
| ·仿真结果及分析 | 第54-56页 |
| ·基于受时域信息约束的 ICA脑电特征提取 | 第56-59页 |
| ·受时域信息约束的ICA算法 | 第56-57页 |
| ·仿真结果与分析 | 第57-59页 |
| ·总结 | 第59-61页 |
| 第五章 基于神经网络的睡眠分期处理 | 第61-81页 |
| ·人工神经网络 | 第61-65页 |
| ·神经元与人工神经元 | 第61-63页 |
| ·人工神经网络的定义 | 第63-64页 |
| ·人工神经网络的模型选择 | 第64-65页 |
| ·睡眠分期及分期指标 | 第65-72页 |
| ·睡眠分期介绍 | 第65-67页 |
| ·睡眠分期指标 | 第67-69页 |
| ·分期指标的计算 | 第69-72页 |
| ·基于反向传播算法的神经网络 | 第72-76页 |
| ·BP神经网络拓扑结构 | 第72-74页 |
| ·BP神经网络原理 | 第74页 |
| ·BP算法推导 | 第74-75页 |
| ·改进的 BP算法 | 第75-76页 |
| ·基于 BP网络的睡眠分期处理 | 第76-80页 |
| ·数据来源 | 第76页 |
| ·睡眠分期的BP网络构建 | 第76-77页 |
| ·仿真结果 | 第77-80页 |
| ·结果分析和讨论 | 第80页 |
| ·总结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·总结 | 第81-82页 |
| ·展望 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士期间发表论文及参与科研 | 第88-89页 |
| 1.发表的论文 | 第88页 |
| 2.参与科研项目 | 第88-89页 |
| 致谢 | 第89-90页 |
