基于EMD和混合特征的癫痫脑电信号识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 脑电信号概述 | 第9-13页 |
| 1.2.1 脑电信号基本知识 | 第9-11页 |
| 1.2.2 脑电信号基本性质 | 第11-12页 |
| 1.2.3 癫痫脑电信号 | 第12-13页 |
| 1.3 脑电信号分析研究现状 | 第13-17页 |
| 1.3.1 脑电信号特征提取的国内外现状 | 第14-15页 |
| 1.3.2 脑电信号分类研究现状 | 第15-17页 |
| 1.4 本文的主要内容及结构 | 第17-18页 |
| 2 经验模态分解 | 第18-33页 |
| 2.1 概述 | 第18-19页 |
| 2.2 EMD基本概念和原理 | 第19-27页 |
| 2.2.1 EMD基本概念 | 第19-24页 |
| 2.2.2 EMD基本原理 | 第24-27页 |
| 2.3 EMD关键技术 | 第27-29页 |
| 2.3.1 EMD分解停止准则 | 第27页 |
| 2.3.2 IMF筛选准则 | 第27-28页 |
| 2.3.3 包络线拟合 | 第28页 |
| 2.3.4 端点效应 | 第28-29页 |
| 2.3.5 模态混叠 | 第29页 |
| 2.4 脑电信号EMD分解仿真实验 | 第29-33页 |
| 2.4.1 实验数据介绍 | 第29-31页 |
| 2.4.2 EMD仿真实验 | 第31-33页 |
| 3 脑电信号特征提取 | 第33-43页 |
| 3.1 线性特征提取方法 | 第33-34页 |
| 3.2 非线性特征提取方法 | 第34-38页 |
| 3.2.1 近似熵 | 第34-36页 |
| 3.2.2 样本熵 | 第36-37页 |
| 3.2.3 模糊熵 | 第37-38页 |
| 3.3 基于EMD和混合特征的特征提取算法 | 第38-42页 |
| 3.3.1 混合特征提取实现原理 | 第38-40页 |
| 3.3.2 线性降维方法PCA | 第40-41页 |
| 3.3.3 混合特征降维 | 第41-42页 |
| 3.4 小结 | 第42-43页 |
| 4 癫痫脑电信号分类 | 第43-51页 |
| 4.1 支持向量机 | 第43-45页 |
| 4.1.1 基本原理 | 第43-45页 |
| 4.1.2 SVM核函数 | 第45页 |
| 4.2 极限学习机 | 第45-48页 |
| 4.2.1 基本原理 | 第46-47页 |
| 4.2.2 实现步骤 | 第47页 |
| 4.2.3 ELM仿真实验 | 第47-48页 |
| 4.3 癫痫脑电信号分类实验 | 第48-50页 |
| 4.3.1 经验模态分解仿真实验 | 第48-49页 |
| 4.3.2 癫痫脑电信号分类实验 | 第49-50页 |
| 4.4 小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
