基于脑电信号分析的睡眠监测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 学术背景及研究意义 | 第9-10页 |
| 1.2 睡眠脑电研究发展及现状 | 第10-11页 |
| 1.3 睡眠监测仪研究现状 | 第11-13页 |
| 1.4 本文研究内容 | 第13-14页 |
| 1.5 文章结构安排 | 第14-15页 |
| 第2章 脑电及睡眠介绍 | 第15-19页 |
| 2.1 脑电产生机理 | 第15页 |
| 2.2 脑电信号特征 | 第15-16页 |
| 2.3 睡眠分期介绍 | 第16-17页 |
| 2.3.1 睡眠分期准则 | 第16-17页 |
| 2.3.2 睡眠各期特点 | 第17页 |
| 2.4 脑电信号采集方法 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 睡眠脑电采集硬件平台 | 第19-30页 |
| 3.1 信号采集芯片ADS1299 | 第19-23页 |
| 3.2 系统供电方案 | 第23-26页 |
| 3.3 系统主控芯片 | 第26-27页 |
| 3.4 数据存储模块 | 第27-28页 |
| 3.5 视觉刺激实验 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 睡眠脑电特征提取 | 第30-43页 |
| 4.1 脑电信号预处理 | 第30-32页 |
| 4.2 睡眠脑电节律波提取 | 第32-36页 |
| 4.3 能量特征提取 | 第36-37页 |
| 4.4 非线性动力学方法提取特征 | 第37-42页 |
| 4.4.1 复杂度 | 第37-39页 |
| 4.4.2 多尺度熵 | 第39-40页 |
| 4.4.3 模糊熵 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 睡眠脑电特征分类 | 第43-56页 |
| 5.1 支持向量机 | 第43-49页 |
| 5.1.1 最优超平面构造方法 | 第43-45页 |
| 5.1.2 SVM的回归算法 | 第45-48页 |
| 5.1.3 SVM的核函数 | 第48-49页 |
| 5.2 LS-SVM的回归算法 | 第49-51页 |
| 5.3 LS-SVM多分类器的构建 | 第51-52页 |
| 5.4 基于LS-SVM的睡眠脑电分期 | 第52-53页 |
| 5.4.1 实验训练测试数据来源 | 第52页 |
| 5.4.2 睡眠分期结果 | 第52-53页 |
| 5.5 睡眠脑电采集分期实验 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简介及科研成果 | 第62-63页 |
| 致谢 | 第63页 |
