文摘
英文文摘
第1章 绪论
1.1 脑与脑电图
1.2 混沌理论的产生与发展
1.2.1 混沌的起源
1.2.2 混沌时间序列
1.3 混沌时间序列在脑电信号中的应用
1.4 国内外研究现状
1.5 本课题的研究内容与意义
1.5.1 研究内容
1.5.2 课题意义
第2章 混沌时间序列特征量
2.1 混沌及其本质
2.2 相空间重构
2.2.1 相空间重构方法
2.2.2 互信息量法求时问延迟
2.2.3 Cao方法求嵌入维数
2.2.4 C-C方法同时确定时间延迟
2.3 关联维数
2.3.1 G-P关联维算法的计算和缺陷
2.3.2 改进的G-P关联维算法
2.4 最大Lyapunov指数
2.4.1 Wolf法计算
2.4.2 小数据量法计算
2.5 近似熵
2.5.1 近似熵概念与算法
2.5.2 其它熵的概念
2.6 递归图
2.6.1 递归图算法
2.6.2 定量递归分析定义
2.7 替代数据法
2.7.1 替代数据法原理
2.7.2 零假设及其算法
2.7.3 检验统计量
第3章 编程方法简介
3.1 创建C语言MEX文件
3.2 建立C-MEX环境
3.3 C-MEX源文件的结构
3.4 MEX文件编译与运行
3.4.1 MEX文件编译与调试
3.4.2 MEX文件运行
3.5 C-MEX在混沌算法中的应用
第4章 脑电信号采集与预处理
4.1 脑电信号采集方法
4.2 脑电数据的提取
4.3 脑电数据的去噪
4.3.1 小波变换简介
4.3.2 小波变换用于脑电信号去噪
4.3.3 脑电信号滤波过程
第5章 脑电信号的混沌时间序列分析
5.1 脑电信号的混沌特性
5.1.1 散点图和功率谱图
5.1.2 替代数据法
5.2 脑电信号的相空间重构
5.2.1 时间延迟
5.2.2 嵌入维数
5.3 脑电信号的关联维数
5.3.1 相关参数确定
5.3.2 关联维计算实现
5.3.3 不同状态下的关联维
5.4 脑电信号的最大Lyapunov指数
5.4.1 相关参数确定
5.4.2 最大Lyapunov指数计算实现
5.4.3 不同参数值下的最大Lyapunov指数
5.4.4 不同状态下的最大Lyapunov指数
5.5 脑电信号的近似熵
5.5.1 相关参数确定
5.5.2 近似熵计算实现
5.5.3 不同状态下的近似熵
5.6 脑电信号的递归图
5.6.1 相关参数确定
5.6.2 递归图算法实现
5.6.3 不同状态下的递归图
5.7 统计结果分析
5.7.1 方差分析
5.7.2 关联维数统计结果
5.7.3 最大Lyapunov指数统计结果
5.7.4 近似熵统计结果
5.7.5 定量递归分析统计结果
5.8 左右腿足三里穴位的混沌分析统计结果
第6章 结论与展望
6.1 研究工作的主要结论
6.2 后续工作展望
参考文献
致谢
攻读学位期间发表的论文