基于独立分量分析的眼动信号增强算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 眼动信号的采集方式 | 第12-14页 |
| 1.3 独立分量分析概述 | 第14-16页 |
| 1.4 盲源分离技术的发展概述 | 第16页 |
| 1.5 论文的研究目的和章节安排 | 第16-18页 |
| 第二章 眼动信号的概述 | 第18-23页 |
| 2.1 生物电信号 | 第18页 |
| 2.2 眼动信号的生成 | 第18-19页 |
| 2.3 眼动信号的分类 | 第19-20页 |
| 2.4 眼动信号采集 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 独立分量分析理论 | 第23-31页 |
| 3.1 盲源分离基本原理 | 第23-24页 |
| 3.2 ICA的前提和假设 | 第24-25页 |
| 3.3 独立性判据 | 第25-29页 |
| 3.3.1 信息极大准则 | 第25-26页 |
| 3.3.2 非高斯性极大准则 | 第26-28页 |
| 3.3.3 互信息极小准则 | 第28-29页 |
| 3.4 ICA在信号处理中的应用 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于瞬时ICA的眼动信号增强算法研究 | 第31-50页 |
| 4.1 瞬时混合模型 | 第31-32页 |
| 4.2 基于瞬时混合模型的经典ICA算法 | 第32-39页 |
| 4.3 基于瞬时ICA的眼动信号增强算法研究 | 第39-43页 |
| 4.3.1 实验范式 | 第40页 |
| 4.3.2 基于瞬时ICA的眼动信号增强算法 | 第40-43页 |
| 4.3.3 阅读状态识别算法 | 第43页 |
| 4.4 实验结果分析 | 第43-48页 |
| 4.4.1 ICA对EOG信号处理的可行性分析 | 第43-45页 |
| 4.4.2 阅读状态的识别与结果分析 | 第45-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于卷积ICA的眼动信号增强算法研究 | 第50-72页 |
| 5.1 卷积混合模型 | 第50-51页 |
| 5.2 数据采集与实验范式 | 第51-52页 |
| 5.3 基于卷积ICA的眼动增强算法研究 | 第52-61页 |
| 5.3.1 预处理 | 第53页 |
| 5.3.2 短时傅里叶变换 | 第53页 |
| 5.3.3 基于JADE的卷积ICA算法 | 第53-54页 |
| 5.3.4 尺度不确定性补偿 | 第54-55页 |
| 5.3.5 多通道条件下排序不确定问题的解决方案 | 第55-60页 |
| 5.3.6 特征提取 | 第60-61页 |
| 5.4 实验与结果 | 第61-71页 |
| 5.4.1 排序算法的性能 | 第63-67页 |
| 5.4.2 对比实验与结果分析 | 第67-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-75页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-84页 |
| 附图 | 第84-86页 |
| 附表 | 第86-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间取得的学术成果 | 第88页 |
