便携式癫痫发作监测系统设计与研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 EEG信号特点 | 第11-13页 |
| 1.3 EEG信号分析方法 | 第13-15页 |
| 1.3.1 频域、时域分析 | 第13-14页 |
| 1.3.2 小波分析 | 第14页 |
| 1.3.3 非线性方法 | 第14-15页 |
| 1.4 EEG信号采集技术历史和现状 | 第15-17页 |
| 1.4.1 EEG采集的历史 | 第15-16页 |
| 1.4.2 电极种类 | 第16-17页 |
| 1.4.3 接口种类 | 第17页 |
| 1.5 国内外癫痫监测设备研究现状 | 第17-18页 |
| 1.6 论文主要研究内容 | 第18-20页 |
| 第2章 癫痫EEG信号分析方法 | 第20-42页 |
| 2.1 EEG数字滤波去噪方法 | 第20-24页 |
| 2.1.1 低通滤波 | 第20-21页 |
| 2.1.2 自适应工频陷波 | 第21-23页 |
| 2.1.3 高通滤波 | 第23-24页 |
| 2.2 数据段截取方法 | 第24-25页 |
| 2.3 多通道多尺度递归熵方法 | 第25-29页 |
| 2.3.1 递归熵 | 第25-27页 |
| 2.3.2 多尺度分解方法 | 第27-28页 |
| 2.3.3 多尺度递归熵 | 第28页 |
| 2.3.4 多通道多尺度递归熵 | 第28-29页 |
| 2.4 方法抗噪能力验证 | 第29-34页 |
| 2.4.1 神经群模型 | 第29-30页 |
| 2.4.2 生成模型信号 | 第30-32页 |
| 2.4.3 递归熵方法的抗噪性评估 | 第32-34页 |
| 2.5 实际EEG信号仿真 | 第34-40页 |
| 2.5.1 实际EEG信号来源及预处理 | 第34页 |
| 2.5.2 实际癫痫EEG信号分析 | 第34-38页 |
| 2.5.3 线性判别分析 | 第38-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第3章 系统硬件设计 | 第42-54页 |
| 3.1 前端信号干扰 | 第42-44页 |
| 3.1.1 共模电压干扰 | 第42-43页 |
| 3.1.2 电极线上的干扰 | 第43页 |
| 3.1.3 电极和电极线 | 第43-44页 |
| 3.2 EEG信号采集硬件电路设计 | 第44-50页 |
| 3.2.1 模拟前端与A/D转换部分 | 第45-47页 |
| 3.2.2 控制与Wi-Fi通讯电路 | 第47-50页 |
| 3.3 电源电路 | 第50-51页 |
| 3.4 硬件设计实现 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 系统软件设计 | 第54-71页 |
| 4.1 Android系统简介 | 第54-56页 |
| 4.1.1 Android操作系统结构 | 第54-55页 |
| 4.1.2 Android操作系统技术优势 | 第55-56页 |
| 4.2 软件功能设计 | 第56-65页 |
| 4.2.1 权限设置 | 第57页 |
| 4.2.2 通讯协议设计 | 第57-58页 |
| 4.2.3 Wi-Fi网络通讯 | 第58-59页 |
| 4.2.4 波形显示界面 | 第59-61页 |
| 4.2.5 数据存储 | 第61-65页 |
| 4.3 算法实现 | 第65-70页 |
| 4.3.1 滤波预处理算法实现 | 第65-67页 |
| 4.3.2 递归熵算法 | 第67-70页 |
| 4.4 软件设计实现 | 第70页 |
| 4.5 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78页 |
