| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 睡眠概述 | 第8页 |
| 1.1.2 睡眠的分期 | 第8-9页 |
| 1.2 睡眠分期发展及研究现状 | 第9-10页 |
| 1.3 研究内容及意义 | 第10页 |
| 1.4 本文结构 | 第10-12页 |
| 第二章 睡眠脑电信号的分析介绍 | 第12-19页 |
| 2.1 脑电信号概述 | 第12-13页 |
| 2.1.1 大脑的功能与结构 | 第12页 |
| 2.1.2 脑电信号的机理与特征 | 第12-13页 |
| 2.2 脑电图与信号检测 | 第13-17页 |
| 2.2.1 脑电图 | 第14页 |
| 2.2.2 脑电信号的分类 | 第14-15页 |
| 2.2.3 脑电信号的检测 | 第15-17页 |
| 2.3 睡眠分期概述 | 第17-18页 |
| 2.3.1 睡眠脑电特征 | 第17页 |
| 2.3.2 睡眠分期主要方法 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 脑电信号预处理 | 第19-29页 |
| 3.1 小波变换理论 | 第19-24页 |
| 3.1.1 傅里叶变换 | 第19-20页 |
| 3.1.2 小波变换 | 第20-24页 |
| 3.2 小波变换与信号预处理 | 第24-26页 |
| 3.2.1 小波去噪原理 | 第24-25页 |
| 3.2.2 小波去噪方法 | 第25-26页 |
| 3.3 脑电信号预处理仿真 | 第26-28页 |
| 3.3.1 数据来源 | 第26页 |
| 3.3.2 仿真流程 | 第26-27页 |
| 3.3.3 仿真结果分析 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 睡眠脑电的特征提取算法研究 | 第29-51页 |
| 4.1 基于相对小波能量的睡眠脑电特征提取 | 第29-33页 |
| 4.1.1 相对小波能量算法 | 第29-31页 |
| 4.1.2 睡眠时期相对小波能量特征 | 第31-33页 |
| 4.2 基于去趋势波动分析的特征提取 | 第33-41页 |
| 4.2.1 去趋势波动分析 | 第34-35页 |
| 4.2.2 睡眠时期标度指数特征 | 第35-41页 |
| 4.3 基于近似熵的睡眠脑电特征提取 | 第41-49页 |
| 4.3.1 近似熵算法 | 第41-43页 |
| 4.3.2 近似熵的快速算法 | 第43-44页 |
| 4.3.3 睡眠时期近似熵的特征 | 第44-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 自适应模糊推理系统在自动睡眠评分中的应用 | 第51-63页 |
| 5.1 模糊理论 | 第51-53页 |
| 5.1.1 模糊集合与运算 | 第51页 |
| 5.1.2 模糊逻辑与推理 | 第51-52页 |
| 5.1.3 模糊逻辑系统 | 第52-53页 |
| 5.2 模糊神经网络 | 第53-57页 |
| 5.2.1 模糊神经网络组成及分类 | 第53-54页 |
| 5.2.2 Takagi-Sugeno模糊神经网络 | 第54-55页 |
| 5.2.3 自适应模糊推理系统ANFIS | 第55-57页 |
| 5.3 基于ANFIS的睡眠脑电自动评分 | 第57-62页 |
| 5.3.1 数据来源 | 第57页 |
| 5.3.2 仿真流程 | 第57-60页 |
| 5.3.3 仿真实验和结果分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 附录1 攻读硕士学位期间申请的专利 | 第67-68页 |
| 致谢 | 第68页 |