|
基于小波變換的睡眠腦電分析
|
|
資料類別
|
電子電工畢業(yè)論文（設(shè)計(jì)） |
|
|
課程(專業(yè))
|
模式識(shí)別與智能系統(tǒng) |
|
關(guān)鍵詞
|
小波變換|睡眠腦電分析 |
|
適用年級(jí)
|
大學(xué) |
|
身份要求
|
普通會(huì)員 |
|
金 幣
|
40 �。�金幣如何獲得？） |
|
文件格式
|
word |
|
文件大小
|
5474K |
|
發(fā)布時(shí)間
|
2017-09-24 05:01:00 |
|
預(yù)覽文件
|
無 |
|
下載次數(shù)
|
0 |
| 發(fā)布人 |
kj008 |
內(nèi)容簡(jiǎn)介：
基于小波變換的睡眠腦電分析，碩士學(xué)位論文，共80頁，37782字，附任務(wù)書、開題報(bào)告、答辯文稿等。
摘要
睡眠是一種非常重要的生理活動(dòng)之一。睡眠質(zhì)量的好壞直接影響了人的健康和生活。隨著現(xiàn)代人的生活節(jié)奏日益加快，各種睡眠疾病也頻繁發(fā)生，睡眠研究工作的意義在逐漸凸顯。由于腦電信號(hào)是直接反映大腦活動(dòng)的生物電信號(hào)，所以以睡眠腦電分析為基礎(chǔ)的睡眠活動(dòng)研究得到越來越多的關(guān)注。
睡眠腦電信號(hào)本質(zhì)上是一種典型的非線性非平穩(wěn)隨機(jī)信號(hào)，這使得很多典型的信號(hào)分析方法不大適用。小波變換能具有良好的局部化特性，而且在時(shí)域和頻域都具有良好的分辨率，因此在睡眠腦電信號(hào)分析上具有很大的優(yōu)勢(shì)。
本文基于小波變化進(jìn)行腦電分析，分別設(shè)計(jì)睡眠分期（Sleep Staging）和紡錘波檢測(cè)（Spindle Detection）算法。睡眠分期是根據(jù)睡眠活動(dòng)的在不同階段的特征，將完整的睡眠分解成若干個(gè)典型的睡眠階段，有利于了解睡眠結(jié)構(gòu)以及睡眠質(zhì)量評(píng)估。紡錘波是較長(zhǎng)的睡眠過程中隨機(jī)出現(xiàn)的短暫性腦電活動(dòng)。紡錘波檢測(cè)能為一些睡眠疾病的預(yù)防提供理論指導(dǎo)，具有重要意義。雖然目前在這兩個(gè)課題上已經(jīng)有很多良好的算法，但是這些算法在準(zhǔn)確率和算法復(fù)雜度上還有改善的空間。
基于Morlet小波特征，本文提出一種睡眠分期算法。先依據(jù)特征可分性判據(jù)比較小波特征在各個(gè)頻率上的區(qū)分度，選取有效頻段。然后利用一種稀疏多元邏輯回歸方法實(shí)現(xiàn)睡眠分期。最后在公共數(shù)據(jù)集和實(shí)驗(yàn)室采集的數(shù)據(jù)上對(duì)算法進(jìn)行測(cè)試。
基于Mexh小波特征，本文提出一種紡錘波檢測(cè)算法。先提取了腦電信號(hào)的Mexh小波特征，然后結(jié)合相鄰的采樣點(diǎn)的小波特性作局部化分析，將原始信號(hào)轉(zhuǎn)化為二值信號(hào)。最后利用滑動(dòng)窗口估計(jì)二值信號(hào)上的每個(gè)采樣點(diǎn)為紡錘波的概率，結(jié)合紡錘波的時(shí)間約束條件完成檢測(cè)。本文也提出一種更為科學(xué)的評(píng)估方法和指標(biāo)，在公共數(shù)據(jù)集上評(píng)估了本文算法和其他四種算法的性能。
實(shí)驗(yàn)結(jié)果表明，本文的睡眠分期算法和紡錘波檢測(cè)算法都具有良好的特性。其中，分為算法的泛化能力較好，紡錘波的整體性能優(yōu)于其他幾種算法。所以本文的研究工作具有良好的研究?jī)r(jià)值和意義。
關(guān)鍵詞：小波變換；睡眠腦電分析；睡眠分期；紡錘波檢測(cè)
目錄
摘要 I
ABSTRACT II
目錄 IV
第一章 緒論 1
1.1 課題研究的背景和意義 1
1.1.1 研究背景 1
1.1.2 研究意義 2
1.2 研究現(xiàn)狀 3
1.2.1 腦電信號(hào)概述 3
1.2.2 睡眠活動(dòng)研究 4
1.3 睡眠分期 5
1.4 紡錘波檢測(cè) 8
1.5 研究?jī)?nèi)容與論文結(jié)構(gòu) 9
1.5.1 研究?jī)?nèi)容 9
1.5.2 論文結(jié)構(gòu) 10
第二章 小波變換基礎(chǔ)理論 12
2.1 小波變換概述 12
2.2 連續(xù)小波變換定義 12
2.3 連續(xù)小波變換性質(zhì) 14
2.3.1 自適應(yīng)時(shí)-頻窗 14
2.3.2 小波變換的性質(zhì) 15
2.4 母小波函數(shù) 15
2.5 離散小波變換 17
2.6 小波變換的應(yīng)用 18
2.7 本章小結(jié) 19
第三章 睡眠腦電分析 20
3.1 腦電采集 20
3.2 腦電分析與實(shí)驗(yàn) 22
3.2.1 腦電特征波 22
3.2.2 分析與實(shí)驗(yàn) 24
3.3 特征提取與選擇 30
3.3.1 母小波選擇 30
3.3.2 小波特征提取 31
3.3.3 小波特征選擇 31
3.4 特征分類 32
3.4.1 特征分類方法 32
3.4.2 分類方法的選擇 35
3.5 本章小結(jié) 36
第四章 睡眠分期算法研究及評(píng)估 37
4.1 算法綜述 37
4.2 算法步驟 39
4.2.1 利用小波變換提取特征 39
4.2.2 利用多元邏輯回歸構(gòu)建分類器 41
4.3 算法評(píng)估 43
4.3.1 評(píng)估數(shù)據(jù) 43
4.3.2 評(píng)估流程及結(jié)果 43
4.3.3 結(jié)果分析與討論 46
4.4 本章小結(jié) 47
第五章 紡錘波檢測(cè)算法研究及評(píng)估 48
5.1 紡錘波檢測(cè)算法綜述 48
5.2 算法步驟 49
5.2.1 利用連續(xù)小波變換得到小波能量 49
5.2.2 利用滑動(dòng)窗口分析小波能量 50
5.2.3 利用二值信號(hào)識(shí)別紡錘波 51
5.3 算法評(píng)估 51
5.3.1 評(píng)估數(shù)據(jù) 51
5.3.2 評(píng)估方法 51
5.3.3 結(jié)果分析與討論 54
5.4 本章小結(jié) 56
總結(jié)與展望 57
總結(jié) 57
展望 57
參考文獻(xiàn) 59
攻讀碩士學(xué)位期間取得的研究成果 64
致謝 65
相關(guān)說明：
1. 如您下載的資料不止一份，建議您注冊(cè)成為本站會(huì)員。會(huì)員請(qǐng)登錄后下載。
2. 會(huì)員購買金幣50元以下，0.7元/個(gè)，50元以上，0.5元/個(gè)。具體請(qǐng)看：下載與付款。
3. 會(huì)員48小時(shí)內(nèi)下載同一文件，不重復(fù)扣金幣。
4. 下載后請(qǐng)用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請(qǐng)看常見問題解答。
下載地址：
|
|
| 相關(guān)畢業(yè)論文（設(shè)計(jì)） |
|
|
| 推薦畢業(yè)論文（設(shè)計(jì)） |
|
|
|
|
|