基于子空间分析法的脑中风微波检测研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 脑中风检测的应用背景意义 | 第10-12页 |
| 1.2 微波人体检测发展现状 | 第12-13页 |
| 1.3 脑中风微波检测和病灶定位方法 | 第13-15页 |
| 1.3.1 共焦成像算法 | 第13-14页 |
| 1.3.2 基于逆散射的介质分布重建方法 | 第14页 |
| 1.3.3 基于分类识别的检测方法 | 第14-15页 |
| 1.4 研究的主要内容和创新点 | 第15-16页 |
| 1.5 论文主要章节内容安排 | 第16-17页 |
| 1.6 总结 | 第17-18页 |
| 第二章 微波检测脑中风的理论基础 | 第18-29页 |
| 2.1 脑部的复杂结构 | 第18-21页 |
| 2.1.1 脑的物理结构 | 第18-20页 |
| 2.1.2 脑部的介电常数 | 第20-21页 |
| 2.2 微波检测基本原理 | 第21-23页 |
| 2.2.1 微波概述 | 第21页 |
| 2.2.2 微波检测简介 | 第21-22页 |
| 2.2.3 极化特性 | 第22-23页 |
| 2.3 模式识别算法 | 第23-27页 |
| 2.3.1 模式识别的主要方法 | 第24-25页 |
| 2.3.2 子空间分析法 | 第25页 |
| 2.3.3 线性判别的基本概念 | 第25-27页 |
| 2.3.4 非线性判别的基本概念 | 第27页 |
| 2.4 总结 | 第27-29页 |
| 第三章 微波检测脑中风系统 | 第29-40页 |
| 3.1 微波脑中风检测系统设计 | 第29-33页 |
| 3.1.1 可穿戴微波天线部署 | 第30-31页 |
| 3.1.2 超宽带微带天线 | 第31-32页 |
| 3.1.3 脑部模型 | 第32-33页 |
| 3.2 微波脑中风信号采集电路 | 第33-35页 |
| 3.3 微波脑中风电磁仿真算法 | 第35-39页 |
| 3.3.1 时域有限差分法（FDTD） | 第35-39页 |
| 3.4 总结 | 第39-40页 |
| 第四章 基于子空间分析法的脑中风检测算法 | 第40-56页 |
| 4.1 子空间分析算法步骤 | 第41-49页 |
| 4.1.1 数据获取和预处理 | 第41-42页 |
| 4.1.2 特征提取和选择 | 第42-46页 |
| 4.1.3 分类器设计 | 第46-47页 |
| 4.1.4 交叉验证 | 第47-49页 |
| 4.2 仿真环境和结果分析 | 第49-54页 |
| 4.2.1 仿真环境 | 第49页 |
| 4.2.2 仿真样本数据集 | 第49-51页 |
| 4.2.3 仿真结果分析 | 第51-54页 |
| 4.3 算法对分类结果的影响 | 第54-55页 |
| 4.4 总结 | 第55-56页 |
| 第五章 基于天线对交叉点的脑中风定位算法 | 第56-69页 |
| 5.1 天线对交叉点算法定位框架 | 第56-57页 |
| 5.2 仿真定位结果分析 | 第57-59页 |
| 5.3 实验平台和结果分析 | 第59-68页 |
| 5.3.1 实验系统搭建 | 第59-67页 |
| 5.3.2 实验结果分析 | 第67-68页 |
| 5.4 总结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第77-78页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第78-79页 |
| 致谢 | 第79页 |
