基于小波变换的睡眠脑电分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 脑电信号概述 | 第13-14页 |
| 1.2.2 睡眠活动研究 | 第14-15页 |
| 1.3 睡眠分期 | 第15-18页 |
| 1.4 纺锤波检测 | 第18-19页 |
| 1.5 研究内容与论文结构 | 第19-22页 |
| 1.5.1 研究内容 | 第19-20页 |
| 1.5.2 论文结构 | 第20-22页 |
| 第二章 小波变换基础理论 | 第22-30页 |
| 2.1 小波变换概述 | 第22页 |
| 2.2 连续小波变换定义 | 第22-24页 |
| 2.3 连续小波变换性质 | 第24-25页 |
| 2.3.1 自适应时-频窗 | 第24-25页 |
| 2.3.2 小波变换的性质 | 第25页 |
| 2.4 母小波函数 | 第25-27页 |
| 2.5 离散小波变换 | 第27-28页 |
| 2.6 小波变换的应用 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第三章 睡眠脑电分析 | 第30-47页 |
| 3.1 脑电采集 | 第30-32页 |
| 3.2 脑电分析与实验 | 第32-40页 |
| 3.2.1 脑电特征波 | 第32-34页 |
| 3.2.2 分析与实验 | 第34-40页 |
| 3.3 特征提取与选择 | 第40-42页 |
| 3.3.1 母小波选择 | 第40-41页 |
| 3.3.2 小波特征提取 | 第41页 |
| 3.3.3 小波特征选择 | 第41-42页 |
| 3.4 特征分类 | 第42-46页 |
| 3.4.1 特征分类方法 | 第42-45页 |
| 3.4.2 分类方法的选择 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 睡眠分期算法研究及评估 | 第47-58页 |
| 4.1 算法综述 | 第47-49页 |
| 4.2 算法步骤 | 第49-53页 |
| 4.2.1 利用小波变换提取特征 | 第49-51页 |
| 4.2.2 利用多元逻辑回归构建分类器 | 第51-53页 |
| 4.3 算法评估 | 第53-57页 |
| 4.3.1 评估数据 | 第53页 |
| 4.3.2 评估流程及结果 | 第53-56页 |
| 4.3.3 结果分析与讨论 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 纺锤波检测算法研究及评估 | 第58-67页 |
| 5.1 纺锤波检测算法综述 | 第58-59页 |
| 5.2 算法步骤 | 第59-61页 |
| 5.2.1 利用连续小波变换得到小波能量 | 第59-60页 |
| 5.2.2 利用滑动窗口分析小波能量 | 第60-61页 |
| 5.2.3 利用二值信号识别纺锤波 | 第61页 |
| 5.3 算法评估 | 第61-66页 |
| 5.3.1 评估数据 | 第61页 |
| 5.3.2 评估方法 | 第61-64页 |
| 5.3.3 结果分析与讨论 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 总结 | 第67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附表 | 第76页 |
