首页--医药、卫生论文--神经病学与精神病学论文

基于单通道脑电信号的睡眠分期算法及应用研究

摘要第4-6页
ABSTRACT第6-7页
第1章 绪论第14-30页
    1.1 课题背景及研究的目的和意义第14-17页
        1.1.1 课题背景第14-16页
        1.1.2 研究的目的和意义第16-17页
    1.2 脑电信号简介第17-20页
        1.2.1 脑电信号背景知识第17-18页
        1.2.2 脑电信号分析方法第18-20页
    1.3 脑电信号睡眠分期发展概述第20-23页
    1.4 睡眠分期研究现状第23-26页
    1.5 本研究领域存在的关键技术问题第26-28页
    1.6 本文的主要研究内容第28-30页
第2章 单通道脑电信号眼电伪迹去除算法研究第30-55页
    2.1 引言第30-31页
    2.2 眼电伪迹去除算法研究现状第31-34页
        2.2.1 多通道脑电信号眼电伪迹去除第31-33页
        2.2.2 单通道脑电信号眼电伪迹去除第33-34页
    2.3 WT-EEMD-ICA算法第34-37页
        2.3.1 单通道脑电信号小波变换第34-35页
        2.3.2 小波系数经验模态分解第35-36页
        2.3.3 内蕴模态函数独立成分分析第36页
        2.3.4 脑电与眼电信号重构算法第36-37页
    2.4 单通道脑电信号眼电伪迹去除实验第37-54页
        2.4.1 实验过程第37-38页
        2.4.2 效果评价第38页
        2.4.3 结果与讨论第38-54页
    2.5 本章小结第54-55页
第3章 单通道脑电信号特征提取算法研究第55-83页
    3.1 引言第55-57页
    3.2 基于MF-DFA的特征提取算法第57-59页
    3.3 基于FFT子频带能量比的特征提取算法第59-60页
    3.4 基于序列连通度的特征提取算法第60-64页
        3.4.1 自然连通度算法第61-62页
        3.4.2 水平连通度算法第62-63页
        3.4.3 角度加权连通度算法第63-64页
    3.5 基于短时傅里叶变换的特征提取算法第64-65页
    3.6 多分析域特征参数提取实验与分析第65-82页
        3.6.1 MIT-BIH睡眠数据库第65-66页
        3.6.2 特征参数提取结果与分析第66-82页
    3.7 本章小结第82-83页
第4章 单通道脑电信号特征选择与分类算法研究第83-105页
    4.1 单通道脑电信号特征参数选择算法第83-93页
        4.1.1 特征参数选择概述第83-84页
        4.1.2 自适应模拟退火遗传算法第84-90页
        4.1.3 特征参数选择实验结果与分析第90-93页
    4.2 单通道脑电信号特征参数分类算法第93-104页
        4.2.1 特征参数分类概述第93-94页
        4.2.2 特征参数分类算法第94-101页
        4.2.3 特征参数分类实验结果与分析第101-104页
    4.3 本章小结第104-105页
第5章 睡眠分期监测系统设计与实现第105-128页
    5.1 监测系统组成第105-110页
        5.1.1 数据采集部分第105-109页
        5.1.2 数据处理部分第109-110页
        5.1.3 数据存储与显示部分第110页
    5.2 睡眠分期指数第110-111页
    5.3 系统总体设计第111-112页
    5.4 睡眠分期实验系统设计第112-114页
    5.5 实验结果与分析第114-126页
        5.5.1 特征提取结果与分析第115-120页
        5.5.2 特征选择结果与分析第120-123页
        5.5.3 特征分类结果与分析第123-125页
        5.5.4 睡眠分期实时监测结果与分析第125-126页
    5.6 本章小结第126-128页
结论第128-131页
参考文献第131-145页
攻读博士学位期间发表的论文及其他成果第145-147页
致谢第147-148页
个人简历第148页

论文共148页,点击 下载论文
上一篇:基于建构主义理论下双师型教师专业技术能力提升的研究
下一篇:基于“网络影视课件学”的中职学校体育课程设计研究