| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·睡眠分期研究概述 | 第9-10页 |
| ·睡眠脑电研究现状 | 第10-12页 |
| ·人工神经网络 | 第11页 |
| ·小波分析 | 第11页 |
| ·混沌和分形 | 第11-12页 |
| ·选题的意义 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| 第二章 睡眠的生理基础 | 第14-23页 |
| ·睡眠的发生与调控 | 第14-16页 |
| ·脑电与睡眠 | 第16-20页 |
| ·脑电图 | 第16-17页 |
| ·脑电节律 | 第17-18页 |
| ·脑电信号的特点及其对信号处理的要求 | 第18-19页 |
| ·脑电信号与睡眠分期 | 第19-20页 |
| ·心电与睡眠 | 第20-22页 |
| ·心电信号的产生机理 | 第20-21页 |
| ·心电信号与睡眠分期 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 睡眠脑电的非线性分析 | 第23-40页 |
| ·睡眠脑电的最大Lyapunov指数分期研究 | 第24-33页 |
| ·最大Lyapunov指数定义及算法 | 第24-26页 |
| ·脑电信号的最大Lyapunov指数参数选取 | 第26-29页 |
| ·最大Lyapunov指数分期试验结果与分析 | 第29-33页 |
| ·睡眠脑电的近似熵分期研究 | 第33-38页 |
| ·近似熵定义及算法 | 第33-35页 |
| ·脑电信号的近似熵参数选取 | 第35-36页 |
| ·近似熵分期试验结果与分析 | 第36-38页 |
| ·睡眠脑电的最大Lyapunov指数与近似熵分期比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于心电信号的睡眠分期研究 | 第40-51页 |
| ·心率变异性信号的生成 | 第40-43页 |
| ·数据段的选择 | 第41-42页 |
| ·R-R间期序列的均匀化 | 第42-43页 |
| ·心率变异性信号的样本熵分析 | 第43-46页 |
| ·样本熵定义及算法 | 第43-44页 |
| ·睡眠心率变异性信号的样本熵试验结果与分析 | 第44-46页 |
| ·心率变异性信号的去趋势波动分析 | 第46-50页 |
| ·去趋势波动分析定义及算法 | 第46-48页 |
| ·睡眠心率变异性信号的去趋势波动分析试验与结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 运用支持向量机对睡眠分期进行模式识别 | 第51-60页 |
| ·支持向量机的理论基础 | 第51-55页 |
| ·支持向量机概述 | 第51页 |
| ·最优分类面 | 第51-54页 |
| ·支持向量机多值分类算法 | 第54-55页 |
| ·睡眠分期的支持向量机识别结果 | 第55-59页 |
| ·支持向量机模式识别的构建 | 第55-56页 |
| ·睡眠分期的支持向量机模式识别试验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表论文 | 第67页 |