基于脑电信号睡眠特征提取与分期方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容和结构安排 | 第14-16页 |
| 1.3.1 论文研究的内容 | 第14-15页 |
| 1.3.2 结构安排 | 第15-16页 |
| 2 睡眠分期的基本理论 | 第16-28页 |
| 2.1 睡眠脑电与睡眠分期简介 | 第16-23页 |
| 2.1.1 睡眠脑电的理论 | 第16-17页 |
| 2.1.2 睡眠脑电信号的采集与特点 | 第17-20页 |
| 2.1.3 睡眠脑电的分期标准 | 第20-23页 |
| 2.2 睡眠分期方法概述 | 第23-25页 |
| 2.2.1 睡眠分期的特征提取方法 | 第23-25页 |
| 2.2.2 睡眠分期的特征分类方法 | 第25页 |
| 2.3 睡眠脑电自动分期系统 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 脑电信号的预处理 | 第28-31页 |
| 3.1 实验数据获取概述 | 第28页 |
| 3.2 脑电信号预处理方法 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 4 睡眠脑电特征的提取算法研究 | 第31-50页 |
| 4.1 基于能量特征的提取方法 | 第31-38页 |
| 4.1.1 特征波提取方法 | 第32-36页 |
| 4.1.2 脑电能量特征提取实验 | 第36-38页 |
| 4.2 基于多尺度熵的特征提取方法 | 第38-43页 |
| 4.2.1 多尺度熵算法 | 第38-40页 |
| 4.2.2 多尺度熵特征提取实验 | 第40-43页 |
| 4.3 特征降维理论及实验 | 第43-48页 |
| 4.3.1 特征选择方法 | 第43-46页 |
| 4.3.2 基于主成分分析的降维实验 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 睡眠脑电的特征分类 | 第50-68页 |
| 5.1 脑电特征分类的算法描述 | 第50-56页 |
| 5.1.1 BP神经网络分类模型 | 第50-53页 |
| 5.1.2 支持向量机分类模型 | 第53-56页 |
| 5.2 睡眠特征的分期实验 | 第56-65页 |
| 5.2.1 反向神经网络分期实验 | 第57-62页 |
| 5.2.2 支持向量机分期实验 | 第62-65页 |
| 5.3 结果分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 个人简历、研究成果及获奖情况 | 第74-75页 |
| 致谢 | 第75页 |
