| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-13页 |
| 第1章 绪论 | 第13-25页 |
| ·引言 | 第13页 |
| ·癫痫的临床表现及危害 | 第13-14页 |
| ·癫痫的分类 | 第14-15页 |
| ·癫痫的治疗方法 | 第15页 |
| ·癫痫脑电研究的意义 | 第15-16页 |
| ·国内外研究现状 | 第16-21页 |
| ·存在的主要问题 | 第21-22页 |
| ·经研究思路 | 第22页 |
| ·主要贡献 | 第22-23页 |
| ·内容安排 | 第23-25页 |
| 第2章 实验数据采集与预处理 | 第25-33页 |
| ·大脑信号的采集 | 第25-26页 |
| ·脑电信号的频域构成 | 第26-27页 |
| ·实验数据 | 第27-30页 |
| ·EEG 数据 | 第27-29页 |
| ·ECoG 数据 | 第29-30页 |
| ·EEG 数据的预处理 | 第30-31页 |
| ·数据的限幅 | 第30-31页 |
| ·数据的带通滤波 | 第31页 |
| ·数据的截取 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第3章 癫痫脑电的复杂度分析 | 第33-47页 |
| ·LZ 复杂度 | 第33-37页 |
| ·LZ 复杂度算法 | 第33-35页 |
| ·EEG 数据的 LZ 复杂度 | 第35-36页 |
| ·ECoG 数据的 LZ 复杂度 | 第36-37页 |
| ·相空间重构 | 第37-42页 |
| ·互信息法确定时滞 | 第39页 |
| ·自相关法确定时滞 | 第39-40页 |
| ·嵌入维数 | 第40-42页 |
| ·关联维数D_2 | 第42-46页 |
| ·EEG 数据的关联维数 | 第43-45页 |
| ·ECoG 数据的关联维数 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 癫痫脑电的递归确定性和同步性分析 | 第47-63页 |
| ·排序递归图 | 第47-50页 |
| ·DET 分析结果 | 第50-56页 |
| ·集总参数模型 | 第50-52页 |
| ·EEG 数据的 DET | 第52-55页 |
| ·ECoG 数据的 DET | 第55-56页 |
| ·EEG 数据的同步性分析 | 第56-60页 |
| ·互信息 | 第57页 |
| ·排序互信息 | 第57-58页 |
| ·EEG 数据的排序互信息 | 第58-60页 |
| ·EEG 的同步性 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 癫痫脑电的多尺度分析 | 第63-85页 |
| ·小波变换 | 第63-66页 |
| ·小波熵 | 第66-70页 |
| ·脑电信号的多尺度小波分解和重构 | 第66-69页 |
| ·小波包熵 | 第69-70页 |
| ·小波熵分析结果 | 第70-77页 |
| ·EEG 的小波熵 | 第70-75页 |
| ·ECoG 的小波熵 | 第75-77页 |
| ·ECoG 的多尺度复杂度和确定性分析 | 第77-83页 |
| ·ECoG 的多尺度 LZ 复杂度分析 | 第77-79页 |
| ·ECoG 的多尺度D_2 分析 | 第79-81页 |
| ·ECoG 的多尺度 DET 分析 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 第6章 基于无迹卡尔曼滤波的神经网络识别癫痫脑电信号 | 第85-95页 |
| ·人工神经网络 | 第85-86页 |
| ·基于 UKF 的神经网络 | 第86-89页 |
| ·UT 变换 | 第87页 |
| ·UKF 算法 | 第87-88页 |
| ·基于 UKF 的神经网络训练算法 | 第88-89页 |
| ·基于 UKF 的神经网络算法仿真 | 第89-92页 |
| ·混沌时间序列预测 | 第89-91页 |
| ·三分类问题 | 第91-92页 |
| ·LDA 分类器 | 第92页 |
| ·癫痫脑电的分类 | 第92-94页 |
| ·基于多尺度小波熵特征的分类 | 第93-94页 |
| ·基于多尺度 DET 确定性特征的分类 | 第94页 |
| ·本章小结 | 第94-95页 |
| 第7章 总结与展望 | 第95-97页 |
| ·结论 | 第95-96页 |
| ·展望 | 第96-97页 |
| 参考文献 | 第97-105页 |
| 发表论文和科研情况说明 | 第105-107页 |
| 致谢 | 第107页 |