| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 脑电的简介 | 第12-15页 |
| 1.2 脑电模式的分析方法 | 第15-24页 |
| 1.2.1 脑电信号的预处理 | 第15-16页 |
| 1.2.2 脑电信号的时域分析方法 | 第16-17页 |
| 1.2.3 脑电信号的频域分析方法 | 第17页 |
| 1.2.4 脑电信号的时频结合分析方法 | 第17-21页 |
| 1.2.5 脑电信号的非线性动力学分析方法 | 第21-24页 |
| 1.3 论文研究内容与结构 | 第24-26页 |
| 第二章 单通道脑电模式的研究 | 第26-44页 |
| 2.1 基于总体经验模态分解(EEMD)的脑电信号特征提取方法 | 第26-27页 |
| 2.2 基于EEMD的模式识别算法在单通道缺氧脑电信号分析的应用 | 第27-43页 |
| 2.2.1 研究背景 | 第27-29页 |
| 2.2.2 实验方法 | 第29-31页 |
| 2.2.3 区分正常脑电与缺氧脑电模式 | 第31-35页 |
| 2.2.4 缺氧条件下脑电模式的变化 | 第35-38页 |
| 2.2.5 间歇性低氧训练对脑电模式的影响 | 第38-43页 |
| 2.3 本章小结 | 第43-44页 |
| 第三章 全局脑神经网络功能连通性的研究 | 第44-64页 |
| 3.1 脑功能网络简介 | 第44-45页 |
| 3.2 脑功能网络的分析方法 | 第45-48页 |
| 3.2.1 脑电信号的同步性分析方法 | 第45-47页 |
| 3.2.2 脑功能网络连通性的数学描述 | 第47-48页 |
| 3.3 从局部扩展到全局脑电模式研究方法 | 第48-51页 |
| 3.3.1 EMD的多变量扩展 | 第49-50页 |
| 3.3.2 基于MEMD分析脑功能网络的改进算法 | 第50-51页 |
| 3.4 缺氧脑功能网络连通性的研究 | 第51-62页 |
| 3.4.1 正常与缺氧条件下脑功能网络的对比 | 第51-59页 |
| 3.4.2 间歇性缺氧训练对脑功能网络的影响 | 第59-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 多通道高密度脑电模式的研究 | 第64-84页 |
| 4.1 研究背景 | 第64-65页 |
| 4.2 实验方法 | 第65-66页 |
| 4.3 基于皮层脑电模式研究的锥拟合方法 | 第66-73页 |
| 4.3.1 数据预处理 | 第66-68页 |
| 4.3.2 特征提取 | 第68-70页 |
| 4.3.3 刺激食指、刺激小指和无刺激的脑电时空模式的分类 | 第70-71页 |
| 4.3.4 参数优化 | 第71-73页 |
| 4.4 基于MEMD的宏观头皮脑电模式识别方法 | 第73-78页 |
| 4.4.1 改进的数据预处理方法 | 第73-75页 |
| 4.4.2 新的特征提取算法 | 第75-78页 |
| 4.5 对比锥拟合算法与新算法 | 第78-80页 |
| 4.5.1 检测到的稳定帧 | 第78页 |
| 4.5.2 分类效果 | 第78-80页 |
| 4.6 新算法提取到的EEG时空模式特性 | 第80-82页 |
| 4.7 本章小结 | 第82-84页 |
| 第五章 结论与展望 | 第84-86页 |
| 5.1 主要结论 | 第84页 |
| 5.2 展望 | 第84-86页 |
| 参考文献 | 第86-94页 |
| 作者简历 | 第94-95页 |
| 攻读博士学位期间发表的学术论文 | 第95页 |
