| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 脑电信号的概述 | 第9-10页 |
| 1.1.1 脑电信号的研究背景和意义 | 第9页 |
| 1.1.2 脑电信号的研究现状 | 第9-10页 |
| 1.2 脑电信号研究方法概述 | 第10-13页 |
| 1.2.1 功率谱估计 | 第10-11页 |
| 1.2.2 AR模型参数模型谱估计 | 第11页 |
| 1.2.3 小波变换 | 第11-12页 |
| 1.2.4 人工神经网络 | 第12页 |
| 1.2.5 非线性动力学分析 | 第12-13页 |
| 1.3 癫痫脑电的研究背景和现状 | 第13页 |
| 1.4 睡眠分期脑电研究背景和研究现状 | 第13-14页 |
| 1.5 论文的研究内容和结构安排 | 第14-16页 |
| 第二章 脑电研究相关知识 | 第16-30页 |
| 2.1 脑结构介绍 | 第16-17页 |
| 2.2 脑电图介绍 | 第17-20页 |
| 2.2.1 脑电信号电极安放 | 第18-19页 |
| 2.2.2 脑电信号导联法 | 第19-20页 |
| 2.2.3 脑电波的分类 | 第20页 |
| 2.3 癫痫与癫痫脑电介绍 | 第20-22页 |
| 2.3.1 癫痫脑电介绍 | 第20-22页 |
| 2.4 脑电信号的非线性处理方法介绍 | 第22-29页 |
| 2.4.1 相空间重构和嵌入理论 | 第22-24页 |
| 2.4.2 Lyapunov指数 | 第24页 |
| 2.4.3 关联维数 | 第24-25页 |
| 2.4.4 信息熵和互信息 | 第25-27页 |
| 2.4.5 柯尔莫哥洛夫熵 | 第27-28页 |
| 2.4.6 近似熵 | 第28-29页 |
| 2.5 小结 | 第29-30页 |
| 第三章 基于时变参数一阶自回归模型的癫痫脑电信号分析 | 第30-40页 |
| 3.1 时间序列分析模型 | 第30-32页 |
| 3.1.1 AR(Autoregressive)模型 | 第30-31页 |
| 3.1.2 MA(moving average)模型 | 第31页 |
| 3.1.3 ARMA(Autoregressive-moving-average)模型 | 第31-32页 |
| 3.2 参数时变的一阶自回归模型 | 第32-34页 |
| 3.2.1 参数时变的一阶自回归模型 | 第32-33页 |
| 3.2.2 贝叶斯推理方法 | 第33-34页 |
| 3.3 基于时变参数的一阶自回归模型的癫痫脑电信号分析 | 第34-39页 |
| 3.3.1 实验数据 | 第34页 |
| 3.3.2 实验方法 | 第34-35页 |
| 3.3.3 实验结果和分析 | 第35-39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 基于时变参数一阶自回归模型的睡眠分期脑电研究 | 第40-50页 |
| 4.1 睡眠信号简介 | 第40-41页 |
| 4.2 基于时变参数一阶自回归模型的睡眠分期脑电分析 | 第41-49页 |
| 4.2.1 实验数据 | 第41页 |
| 4.2.2 实验方法 | 第41页 |
| 4.2.3 实验结果和分析 | 第41-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 基于排列熵符号化的睡眠心脑电耦合性分析 | 第50-61页 |
| 5.1 熵的基础知识 | 第50-54页 |
| 5.1.1 排列熵 | 第50-51页 |
| 5.1.2 转移熵 | 第51-52页 |
| 5.1.3 符号转移熵 | 第52-54页 |
| 5.2 心电信号介绍 | 第54-56页 |
| 5.3 基于排列熵符号化的符号转移熵的睡眠心脑电耦合性分析 | 第56-60页 |
| 5.3.1 实验数据 | 第56页 |
| 5.3.2 实验方法 | 第56页 |
| 5.3.3 实验结果和分析 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |
