| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·生理电信号的研究历史与发展概述 | 第8-10页 |
| ·脑电信号的研究与发展 | 第8-9页 |
| ·心电信号的研究与发展 | 第9-10页 |
| ·生理电信号研究方法概述 | 第10-13页 |
| ·脑电信号的研究方法 | 第10-11页 |
| ·心电信号的研究方法 | 第11-13页 |
| ·论文研究内容及结构安排 | 第13-14页 |
| 第二章 生理电信号基础理论 | 第14-31页 |
| ·脑的电生理学基础 | 第14-19页 |
| ·脑的结构与功能 | 第14-15页 |
| ·脑电信号的发生 | 第15-17页 |
| ·脑电信号的规律性 | 第17-18页 |
| ·脑电信号的分类 | 第18-19页 |
| ·脑电信号的采集 | 第19-24页 |
| ·采集前准备 | 第19-20页 |
| ·采集的系统准备和过程 | 第20-22页 |
| ·脑电信号的降噪处理 | 第22-24页 |
| ·心脏的生理学基础和信号采集 | 第24-26页 |
| ·癫痫相关知识介绍 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于隐马尔可夫模型的癫痫脑电识别 | 第31-49页 |
| ·癫痫脑电识别的意义及基于隐马尔可夫模型的研究方法 | 第31页 |
| ·隐马尔可夫模型理论 | 第31-34页 |
| ·马尔可夫过程 | 第31-33页 |
| ·隐马尔可夫过程 | 第33-34页 |
| ·隐马尔可夫模型的应用方法 | 第34-36页 |
| ·基于AR模型的脑电信号特征提取 | 第36-39页 |
| ·特征提取及AR模型简介 | 第36-38页 |
| ·AR模型的阶次估计 | 第38-39页 |
| ·基于隐马尔可夫模型的癫痫脑电识别实例 | 第39-48页 |
| ·隐马尔可夫模型训练过程 | 第39-41页 |
| ·实验数据 | 第41页 |
| ·实验流程 | 第41-42页 |
| ·实验结果及分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于符号条件熵的异常心电信号冗余信息分析 | 第49-69页 |
| ·非线性动力学基础 | 第49-52页 |
| ·混沌理论的发展与应用 | 第49-51页 |
| ·混沌运动的特征 | 第51-52页 |
| ·心电信号常用分析方法 | 第52-54页 |
| ·柯尔莫哥洛夫熵 | 第52页 |
| ·近似熵 | 第52-53页 |
| ·样本熵 | 第53-54页 |
| ·基于符号条件熵的冗余信息算法研究 | 第54-58页 |
| ·冗余信息理论 | 第55-57页 |
| ·基于符号条件熵的冗余信息分析 | 第57页 |
| ·符号化方法 | 第57-58页 |
| ·心电信号冗余信息分析实验 | 第58-68页 |
| ·实验数据 | 第58页 |
| ·实验流程 | 第58-59页 |
| ·实验结果与分析 | 第59-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于Java.Swing的生理电信号分析系统 | 第69-80页 |
| ·Java简介 | 第69-71页 |
| ·Java语言概述 | 第69-70页 |
| ·Java程序开发步骤 | 第70-71页 |
| ·Java开发工具 | 第71-72页 |
| ·生理电信号分析软件 | 第72-79页 |
| ·癫痫EEG识别功能 | 第72-76页 |
| ·ECG冗余信息计算功能 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-81页 |
| 参考文献 | 第81-83页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第83-84页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第84-85页 |
| 致谢 | 第85页 |