基于EEG信号的睡眠自动分期方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 课题研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 论文主要研究内容 | 第13-16页 |
| 第2章 脑电信号和睡眠分期 | 第16-26页 |
| 2.1 脑电信号 | 第16-18页 |
| 2.1.1 脑电信号的产生机理 | 第16-17页 |
| 2.1.2 脑电信号生理特点 | 第17页 |
| 2.1.3 脑电波的组成 | 第17-18页 |
| 2.2 脑电的检测 | 第18-19页 |
| 2.3 睡眠分期 | 第19-22页 |
| 2.3.1 睡眠分期标准 | 第19-20页 |
| 2.3.2 睡眠各期特点 | 第20-22页 |
| 2.3.3 睡眠分期方法 | 第22页 |
| 2.4 数据来源 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 脑电信号的分析与处理 | 第26-38页 |
| 3.1 时域分析法 | 第26页 |
| 3.2 频域分析法 | 第26-27页 |
| 3.3 小波变换法 | 第27-30页 |
| 3.3.1 连续小波变换 | 第28页 |
| 3.3.2 离散小波变换 | 第28-29页 |
| 3.3.3 小波基函数 | 第29-30页 |
| 3.4 脑电信号去噪预处理 | 第30-32页 |
| 3.5 小波包分解 | 第32-33页 |
| 3.6 睡眠脑电节律波提取 | 第33-36页 |
| 3.7 本章小结 | 第36-38页 |
| 第4章 睡眠脑电的特征提取 | 第38-52页 |
| 4.1 能量特征提取 | 第38-39页 |
| 4.2 非线性动力学 | 第39页 |
| 4.3 复杂性测度 | 第39-42页 |
| 4.3.1 复杂度定义 | 第39-40页 |
| 4.3.2 LZ复杂度算法 | 第40-41页 |
| 4.3.3 睡眠信号复杂度分析 | 第41-42页 |
| 4.4 复合多尺度样本熵 | 第42-47页 |
| 4.4.1 样本熵定义 | 第42页 |
| 4.4.2 样本熵算法 | 第42-43页 |
| 4.4.3 复合多尺度样本熵 | 第43-45页 |
| 4.4.4 睡眠信号复合多尺度样本熵分析 | 第45-47页 |
| 4.5 李雅普诺夫指数 | 第47-49页 |
| 4.5.1 李雅普诺夫指数定义 | 第47页 |
| 4.5.2 李雅普诺夫指数算法 | 第47-48页 |
| 4.5.3 睡眠信号Lyapunov指数分析 | 第48-49页 |
| 4.6 关联维数 | 第49-51页 |
| 4.6.1 关联维数定义 | 第49页 |
| 4.6.2 关联维数算法 | 第49-50页 |
| 4.6.3 睡眠信号关联维数分析 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 睡眠分期算法研究 | 第52-64页 |
| 5.1 睡眠分期方法概述 | 第52-53页 |
| 5.2 基于人工神经网络的睡眠分期 | 第53-56页 |
| 5.2.1 反向传播神经网络 | 第53-54页 |
| 5.2.2 分期结果分析 | 第54-56页 |
| 5.3 基于支持向量机的睡眠分期 | 第56-62页 |
| 5.3.1 支持向量机 | 第56-59页 |
| 5.3.2 分期结果分析 | 第59-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 实验数据分析 | 第64-72页 |
| 6.1 睡眠采集模块 | 第64页 |
| 6.2 实验数据处理 | 第64-67页 |
| 6.3 睡眠分期结果分析 | 第67-71页 |
| 6.4 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间所发表的论文 | 第80-82页 |
| 致谢 | 第82页 |
