睡眠弱信号实时特征提取研究

睡眠弱信号实时特征提取研究

论文摘要

睡眠是动物界共有的生理功能,是维持生命活动的重要生理活动。睡眠信号是一种很重要的电生理弱信号,经常用它来检测大脑的生理机能障碍。睡眠信号的正确分期是睡眠研究的基础。由于脑电信号非常复杂并且相当微弱,因此对其睡眠脑电分期研究难度很大。以往的研究中都是分析多导联信号,有的还要结合眼电和肌电特征对脑电信号进行分析。本文研究的是仅凭单导联的大鼠睡眠脑电信号进行特征提取,来实现对其自动分阶的目的,难度更大。本文重点使用了近似熵和双谱对大鼠的睡眠脑电信号进行了特征提取,实验结果表明,近似熵计算比较简单,求取短序列近似熵的平均值,可以很好的表征大鼠的睡眠期。睡眠各阶段双谱的频率变化特性可以直观的观测脑电的特性,同时发现,双谱分析的最大幅值也可以有效的区分睡眠信号的不同阶段,能够对实时睡眠脑电信号的各个阶段进行有效的检测。本文特征提取的方法为其它非线性信号的实时特征提取提供了一种新的有效方法。对大脑疾病进行智能诊断和脑功能研究具有非常重要的意义。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第一章 绪论
  • 1.1 脑电研究历史
  • 1.2 研究意义
  • 1.3 研究现状
  • 1.4 研究内容
  • 第二章 脑电波
  • 2.1 脑电的电生理学基础
  • 2.1.1 脑电波的来源
  • 2.1.2 脑电波的节律性
  • 2.1.3 脑电波的特点
  • 2.1.4 脑电信号检测
  • 2.2 脑电图
  • 2.3 睡眠脑电
  • 2.3.1 人睡眠阶段划分
  • 2.3.2 大鼠睡眠信号划分标准
  • 第三章 原理及方法介绍
  • 3.1 传统脑电特征提取方法
  • 3.1.1 时域分析方法
  • 3.1.2 频域分析方法
  • 3.2 脑电信号分析的现代分析方法
  • 3.2.1 近似熵
  • 3.2.2 双谱
  • 3.3.3 复杂度
  • 3.3.4 CWD
  • 第四章 实验结果与分析
  • 4.1 实验数据
  • 4.2 FFT实验
  • 4.3 近似熵实验
  • 4.4 双谱实验
  • 4.5 复杂度实验
  • 4.6 CWD实验
  • 第五章 结论
  • 第六章 总结
  • 参考文献
  • 在学期间的研究成果
  • 致谢
  • 相关论文文献

    • [1].沙化土地地理信息多维结构特征提取仿真[J]. 计算机仿真 2019(11)
    • [2].基于卷积神经网络特征提取的轻量级包装袋分类模型[J]. 塑料科技 2020(08)
    • [3].图片特征提取[J]. 中小企业管理与科技(中旬刊) 2017(03)
    • [4].六种常用的网络流量特征提取工具[J]. 计算机与网络 2017(06)
    • [5].浅议车牌识别中字符的特征提取方法[J]. 科技传播 2009(05)
    • [6].基于分级特征提取的货物分拣机器人目标自动识别系统设计[J]. 自动化与仪器仪表 2020(05)
    • [7].多模态生物特征提取及相关性评价综述[J]. 中国图象图形学报 2020(08)
    • [8].多传感器数据融合在船舶特征提取中的应用[J]. 舰船科学技术 2016(18)
    • [9].溯洄从之,一波三折——关于特征提取的教学实例与策略[J]. 中国信息技术教育 2020(07)
    • [10].基于局部加权的非线性特征提取方法[J]. 华中科技大学学报(自然科学版) 2013(S1)
    • [11].基于多特征提取的识别算法数学建模优化研究[J]. 哈尔滨师范大学自然科学学报 2013(04)
    • [12].一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J]. 计算机科学 2014(03)
    • [13].一种基于特征提取的简答题阅卷算法[J]. 湖南工程学院学报(自然科学版) 2010(01)
    • [14].基于改进符号序列熵的岸桥齿轮箱退化特征提取研究[J]. 机电工程 2020(02)
    • [15].基于自编码的特征提取方法在生物医学领域中的应用进展[J]. 中国卫生统计 2020(02)
    • [16].基于时变三维坐标重构的空间锥体目标微动特征提取方法[J]. 空军工程大学学报(自然科学版) 2020(02)
    • [17].基于特征提取和随机森林的风机故障诊断[J]. 科学技术创新 2020(26)
    • [18].互联网+嵌入式移动4G教学终端——农业病虫害特征提取系统的研究[J]. 电子技术与软件工程 2019(21)
    • [19].恶意流量特征提取综述[J]. 信息网络安全 2018(09)
    • [20].基于特征提取的图像相似度研究[J]. 信息系统工程 2016(01)
    • [21].基于敏感分量融合的液压泵退化特征提取方法[J]. 仪器仪表学报 2016(06)
    • [22].几种藏文字特征提取方法比较研究[J]. 信息与电脑(理论版) 2014(08)
    • [23].基于层次特征提取的文本分类研究[J]. 计算机应用与软件 2020(02)
    • [24].基于关联规则特征提取的心理大数据评估方法[J]. 周口师范学院学报 2020(02)
    • [25].基于三角函数迭代的视频数据特征提取[J]. 图学学报 2020(04)
    • [26].光纤安防监测信号的特征提取与识别研究综述[J]. 计算机工程与应用 2019(03)
    • [27].基于特征提取的绘本阅读机器人设计方案[J]. 电子制作 2019(15)
    • [28].基于特征提取及聚类算法的增量图片筛选系统[J]. 电视技术 2017(Z3)
    • [29].一种新颖的通信辐射源个体细微特征提取方法[J]. 电波科学学报 2016(01)
    • [30].一种基于链码的线特征提取方法[J]. 测绘科学 2014(09)

    标签:;  ;  ;  ;  

    睡眠弱信号实时特征提取研究
    下载Doc文档

    猜你喜欢