基于脑电信号的睡眠状态监测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 本课题的研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 脑电信号概述 | 第12-14页 |
| 1.2.1 脑电信号的产生和特点 | 第12-13页 |
| 1.2.2 脑电信号的采集 | 第13-14页 |
| 1.3 研究现状 | 第14-19页 |
| 1.3.1 睡眠与EEG的关系 | 第14-16页 |
| 1.3.2 睡眠纺锤波 | 第16-19页 |
| 1.4 研究方向和重点 | 第19-20页 |
| 1.4.1 睡眠脑电信号的提取 | 第19页 |
| 1.4.2 纺锤波的检测 | 第19-20页 |
| 1.5 论文结构 | 第20-22页 |
| 第二章 睡眠脑电信号分析 | 第22-44页 |
| 2.1 脑电信号节律波 | 第22-23页 |
| 2.2 脑电信号分析和实验 | 第23-31页 |
| 2.2.1 时域分析 | 第24-25页 |
| 2.2.2 频域分析 | 第25-28页 |
| 2.2.3 时频分析 | 第28-31页 |
| 2.3 小波理论 | 第31-36页 |
| 2.3.1 小波变换的提出 | 第31页 |
| 2.3.2 小波变换的优势 | 第31-32页 |
| 2.3.3 连续小波变换 | 第32-33页 |
| 2.3.4 常用母小波 | 第33-36页 |
| 2.4 特征提取与选择 | 第36-39页 |
| 2.4.1 母小波选择 | 第36-37页 |
| 2.4.2 小波特征提取 | 第37页 |
| 2.4.3 脑电信号的特征选择 | 第37-39页 |
| 2.5 脑电信号的特征分类 | 第39-43页 |
| 2.5.1 分类误差的来源 | 第40页 |
| 2.5.2 各种分类器的比较 | 第40-43页 |
| 2.5.3 分类器的选择 | 第43页 |
| 2.6 本章小结 | 第43-44页 |
| 第三章 睡眠脑电信号的提取 | 第44-55页 |
| 3.1 算法步骤 | 第44-49页 |
| 3.1.1 脑电信号的能量特征提取 | 第44-47页 |
| 3.1.2 基于主成分分析法的特征选择 | 第47-48页 |
| 3.1.3 平滑算法 | 第48页 |
| 3.1.4 SVM分类器的构建 | 第48-49页 |
| 3.2 实验过程 | 第49-52页 |
| 3.2.1 基于TGAM的新型脑电信号采集方式 | 第49-50页 |
| 3.2.2 实验环境和过程 | 第50页 |
| 3.2.3 串口数据处理 | 第50-52页 |
| 3.3 实验结果和分析 | 第52-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 睡眠纺锤波的检测算法 | 第55-65页 |
| 4.1 基于SVM和小波变换的睡眠纺锤波检测算法 | 第55-60页 |
| 4.1.1 基于小波变换的特征提取 | 第55-56页 |
| 4.1.2 基于高斯函数的纺锤波概率估计 | 第56-57页 |
| 4.1.3 滑动窗口算法 | 第57-58页 |
| 4.1.4 基于SVM的纺锤波检测 | 第58-60页 |
| 4.2 实验过程 | 第60-62页 |
| 4.2.1 实验的数据集 | 第60页 |
| 4.2.2 实验结果评估算法 | 第60-61页 |
| 4.2.3 评估指标 | 第61-62页 |
| 4.3 实验结果和分析 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 总结和展望 | 第65-67页 |
| 总结 | 第65页 |
| 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
