睡眠分期的非线性多参数研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-29页 |
| ·睡眠分期研究的历史及现状 | 第11-14页 |
| ·人工神经网络方法 | 第11-12页 |
| ·混沌与分形方法 | 第12-13页 |
| ·其它的睡眠分期方法 | 第13-14页 |
| ·基于脑电的睡眠分期研究 | 第14-23页 |
| ·脑电图的基本特征 | 第14页 |
| ·脑电信号的节律 | 第14-15页 |
| ·脑电信号的特点及其对信号处理的要求 | 第15-16页 |
| ·睡眠与脑电的关系 | 第16-21页 |
| ·脑电图的主要干扰因素 | 第21-23页 |
| ·基于心电的睡眠分期研究 | 第23-25页 |
| ·心电信号的产生机理 | 第23-24页 |
| ·心电信号与睡眠的关系 | 第24-25页 |
| ·基于血压的睡眠分期研究 | 第25-26页 |
| ·数据来源 | 第26-27页 |
| ·课题研究的意义和主要工作内容 | 第27-29页 |
| ·本课题研究的意义 | 第27-28页 |
| ·本课题研究的主要内容 | 第28-29页 |
| 第二章 睡眠分期的样本熵分析 | 第29-49页 |
| ·近似熵算法描述 | 第29-36页 |
| ·近似熵的介绍 | 第29-33页 |
| ·睡眠脑电的近似熵参数选取 | 第33-34页 |
| ·近似熵算法的特点 | 第34-36页 |
| ·样本熵的算法描述 | 第36-39页 |
| ·睡眠脑电信号的样本熵分析 | 第39-41页 |
| ·小波的二次处理 | 第41-45页 |
| ·小波算法的描述 | 第41-43页 |
| ·离散小波变换 | 第43-44页 |
| ·S3，S4期的多尺度小波分解 | 第44-45页 |
| ·睡眠心电信号的样本熵分析 | 第45-46页 |
| ·睡眠血压信号的样本熵分析 | 第46-48页 |
| ·本章小节 | 第48-49页 |
| 第三章 睡眠分期的多尺度熵分析 | 第49-60页 |
| ·多尺度熵分析的算法描述 | 第49-51页 |
| ·睡眠脑电信号的多尺度熵分析 | 第51-53页 |
| ·睡眠心电信号的多尺度熵分析 | 第53-56页 |
| ·睡眠血压信号的多尺度熵分析 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 睡眠分期的去趋势波动分析 | 第60-75页 |
| ·去趋势波动分析与分形的关系 | 第60-66页 |
| ·分形对象的自相似性 | 第60-64页 |
| ·去趋势波动分析(DFA)算法的提出 | 第64-66页 |
| ·去趋势波动分析(DFA)的算法描述 | 第66-68页 |
| ·去趋势波动分析的算法 | 第66-67页 |
| ·标度指数的意义 | 第67-68页 |
| ·睡眠脑电信号的去趋势波动分析(DFA) | 第68-70页 |
| ·睡眠心电信号的去趋势波动分析 | 第70-72页 |
| ·睡眠血压信号的去趋势波动分析 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 硕士期间发表论文 | 第82页 |
