| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图清单 | 第8-11页 |
| 表清单 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12-13页 |
| ·神经元及其峰电位的特征 | 第13-14页 |
| ·胞外记录实验技术 | 第14-16页 |
| ·峰电位波形分类研究现状 | 第16-18页 |
| ·本文的研究意义和研究内容 | 第18-20页 |
| 第二章 大壁虎嗅觉神经信号的胞外记录实验技术 | 第20-28页 |
| ·实验设备 | 第20-24页 |
| ·微电极 | 第20-22页 |
| ·数据采集系统 | 第22-24页 |
| ·嗅神经的胞外记录实验 | 第24-26页 |
| ·实验手术过程 | 第24页 |
| ·信号记录过程 | 第24-26页 |
| ·小结 | 第26-28页 |
| 第三章 基于离散小波变换（DWT）的峰电位分类方法的研究 | 第28-46页 |
| ·小波消噪 | 第28-33页 |
| ·离散小波变换的定义 | 第28-29页 |
| ·多分辨率分析及Mallat 算法 | 第29-32页 |
| ·小波变换在信号消噪中的应用 | 第32-33页 |
| ·聚类分析 | 第33-36页 |
| ·系统聚类 | 第33-34页 |
| ·动态聚类和K-均值法 | 第34-36页 |
| ·主成分分析方法（PCA） | 第36-39页 |
| ·基本原理和性质 | 第36-38页 |
| ·基本算法和步骤 | 第38-39页 |
| ·基于离散小波变换的峰电位的分类方法 | 第39-45页 |
| ·仿真信号的产生 | 第39-41页 |
| ·信号的离散小波变换 | 第41-43页 |
| ·与PCA 方法的分类对比 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于离散小波消噪和波形特征分析的峰电位的分类方法（DWT-SFA） | 第46-64页 |
| ·波形特征分析 | 第46-52页 |
| ·波形特征的定义 | 第46-47页 |
| ·波形特征的选择 | 第47-52页 |
| ·DWT-SFA 方法与PCA 方法的分类比较 | 第52-58页 |
| ·DWT-SFA 方法的验证 | 第58-60页 |
| ·FeatureSorting 分析软件的制作 | 第60-63页 |
| ·软件设计 | 第60-62页 |
| ·功能和特点 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第五章 总结和展望 | 第64-66页 |
| ·本文工作总结 | 第64页 |
| ·未来工作展望 | 第64-66页 |
| 附录1 FeatureSorting 分析软件的使用说明 | 第66-70页 |
| 附录2 波形特征的选择（续） | 第70-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |
