| 摘要 | 第1-5页 |
| ABSTRACT | 第5-15页 |
| 1 绪论 | 第15-35页 |
| ·研究背景与意义 | 第15-16页 |
| ·眼电伪迹识别研究现状 | 第16-18页 |
| ·眼电伪迹去除研究现状 | 第18-26页 |
| ·眼电伪迹去除 | 第18-20页 |
| ·基于盲源信号分离方法的眼电伪迹去除研究现状 | 第20-26页 |
| ·基于张量欠定盲分离方法的研究现状 | 第26-30页 |
| ·现有研究存在的问题 | 第30-32页 |
| ·本文主要研究思路与内容 | 第32-35页 |
| 2 基于参数模型的眼电伪迹识别方法 | 第35-56页 |
| ·引言 | 第35-37页 |
| ·基于HMTD模型的正常脑电信号眼电伪迹识别方法 | 第37-45页 |
| ·模型参数估计 | 第37-41页 |
| ·仿真实验 | 第41-45页 |
| ·基于相位模型的癫痫脑电信号眼电伪迹识别方法 | 第45-55页 |
| ·希尔伯特-黄变换 | 第46-48页 |
| ·基于极限学习机的相位辨识 | 第48-50页 |
| ·基于HHT和ELM相位模型的眼电伪迹识别方法 | 第50-52页 |
| ·仿真实验 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 3 基于高阶统计CP张量欠定盲分离的眼电伪迹去除 | 第56-84页 |
| ·引言 | 第56-57页 |
| ·基于主成分高阶统计CP张量欠定盲分离的眼电伪迹去除 | 第57-70页 |
| ·高阶统计CP张量模型建立 | 第58-59页 |
| ·基于主成分高阶统计CP张量欠定盲分离方法 | 第59-62页 |
| ·基于主成分高阶统计CP张量的眼电伪迹去除 | 第62-63页 |
| ·仿真实验 | 第63-70页 |
| ·基于非负高阶统计CP张量欠定盲分离的眼电伪迹去除 | 第70-83页 |
| ·非负高阶统计CP张量模型建立 | 第70-72页 |
| ·基于非负高阶统计CP张量欠定盲分离方法 | 第72-76页 |
| ·基于非负高阶统计CP张量的眼电伪迹去除 | 第76-77页 |
| ·仿真实验 | 第77-83页 |
| ·本章小结 | 第83-84页 |
| 4 基于高阶统计Tucker张量欠定盲分离的眼电伪迹去除 | 第84-114页 |
| ·引言 | 第84-85页 |
| ·高阶统计Tucker张量欠定盲分离方法 | 第85-100页 |
| ·高阶统计Tucker张量模型的建立 | 第85-87页 |
| ·基于HALS算法的高阶统计Tucker张量分解 | 第87-92页 |
| ·仿真实验 | 第92-100页 |
| ·基于时频高阶统计Tucker张量方法的眼电伪迹去除 | 第100-113页 |
| ·时频高阶统计Tucker张量模型的建立 | 第100-104页 |
| ·基于时频高阶统计Tucker张量欠定盲分离方法 | 第104-106页 |
| ·基于时频高阶统计Tucker张量欠定盲分离的眼电伪迹去除 | 第106-107页 |
| ·仿真实验 | 第107-113页 |
| ·本章小结 | 第113-114页 |
| 5 基于高阶统计张量欠定盲分离多特征眼电伪迹去除 | 第114-136页 |
| ·引言 | 第114-115页 |
| ·多特征脑电信号的眼电伪迹自动去除 | 第115-135页 |
| ·信号特征选择 | 第116-117页 |
| ·高阶统计张量欠定盲分离方法描述 | 第117-127页 |
| ·基于高阶统计张量欠定盲分离眼电伪迹自动去除方法 | 第127-129页 |
| ·仿真实验 | 第129-135页 |
| ·本章小结 | 第135-136页 |
| 6 结论与展望 | 第136-139页 |
| ·结论 | 第136-137页 |
| ·创新点 | 第137-138页 |
| ·展望 | 第138-139页 |
| 参考文献 | 第139-148页 |
| 攻读博士学位期间科研项目及科研成果 | 第148-149页 |
| 致谢 | 第149-150页 |
| 作者简介 | 第150页 |
