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 |