微弱生物醫(yī)學(xué)信號(hào)特征提取的原理與實(shí)現(xiàn)

第一章 緒論
1.1 生物醫(yī)學(xué)信號(hào)的類型
1.2 生物醫(yī)學(xué)信號(hào)的特點(diǎn)
1.3 生物醫(yī)學(xué)信號(hào)檢測(cè)和特征提取方法
1.4 研究目的和意義
1.5 主要體系結(jié)構(gòu)
參考文獻(xiàn)
第二章 生物醫(yī)學(xué)信號(hào)的檢測(cè)
2.1 生物醫(yī)學(xué)信號(hào)采集原理
2.1.1 采樣定理
2.1.2 量化過(guò)程
2.1.3 編碼原理
2.2 生物醫(yī)學(xué)信號(hào)檢測(cè)系統(tǒng)
2.2.1 基本組成
2.2.2 主要性能指標(biāo)
2.2.3 結(jié)構(gòu)形式
2.3 信號(hào)調(diào)理原理
2.3.1 放大
2.3.2 濾波
2.3.3 電氣隔離
參考文獻(xiàn)
第三章 生物醫(yī)學(xué)信號(hào)的一般處理方法
3.1 相干平均算法
3.2 頻域分析技術(shù)
3.2.1 周期信號(hào)的頻譜
3.2.2 非周期信號(hào)的頻譜
3.2.3 隨機(jī)信號(hào)的頻譜
3.3 相關(guān)分析
3.3.1 相關(guān)函數(shù)
3.3.2 相關(guān)函數(shù)的性質(zhì)
3.3.3 隨機(jī)信號(hào)的相關(guān)函數(shù)及其頻譜的關(guān)系
3.4 數(shù)字濾波技術(shù)
3.4.1 數(shù)字濾波器的實(shí)現(xiàn)原理
3.4.2 數(shù)字濾波器實(shí)現(xiàn)
3.5 參數(shù)模型技術(shù)
3.5.1 廣義平穩(wěn)隨機(jī)序列的滑動(dòng)平均模型
3.5.2 廣義平穩(wěn)隨機(jī)序列的自回歸模型
3.5.3 廣義平穩(wěn)隨機(jī)序列的自回歸滑動(dòng)平均模型
3.5.4 MA、AR及ARMA模型廣義平穩(wěn)隨機(jī)序列的功率譜密度
3.5.5 三種模型廣義平穩(wěn)隨機(jī)序列的自相關(guān)函數(shù)
3.6 應(yīng)用實(shí)例
3.6.1 同時(shí)消除心電信號(hào)中工頻干擾和基線漂移的數(shù)字濾波器
3.6.2 基于雙譜的腦電信號(hào)分析
參考文獻(xiàn)
第四章 生物醫(yī)學(xué)信號(hào)的非平穩(wěn)信號(hào)處理方法
4.1 概述
4.2 Gabor變換
4.2.1 一般傅里葉變換的問(wèn)題
4.2.2 短時(shí)傅里葉變換
4.2.3 Cabor變換
4.2.4 腦電基本節(jié)律頻帶相對(duì)強(qiáng)度比的提取
4.3 小波變換與小波包變換
4.3.1 連續(xù)小波變換
4.3.2 多分辨率小波分析
4.3.3 小波基的選擇
4.3.4 小波包分析
4.3.5 小波變換在心電波形識(shí)別中應(yīng)用
4.4 Wigner-Ville分布
4.4.1 定義
4.4.2 離散Wigner-Ville分布的實(shí)現(xiàn)
4.4.3 Wigner-Ville分布在生物醫(yī)學(xué)信號(hào)特征提取中的應(yīng)用
4.5 匹配跟蹤
4.5.1 匹配跟蹤算法
4.5.2 Gabor函數(shù)集
4.5.3 MP分解結(jié)果的時(shí)頻輸出
4.5.4 基于MP算法的EEG睡眠紡錘波的檢測(cè)與分析
4.6 獨(dú)立分量分析
4.6.1 獨(dú)立分量分析模型
4.6.2 優(yōu)化判據(jù)及尋優(yōu)模型
4.6.3 ICA算法
4.6.4 閃光視覺(jué)誘發(fā)電位的少次提取方法實(shí)現(xiàn)
4.7 Hilbert-HLlang變換（HHT）
4.7.1 HHT與傳統(tǒng)時(shí)頻分析方法的比較
4.7.2 EMD方法
4.7.3 Hilbert變換及Hilbert譜
4.7.4 HHT的有效性及端點(diǎn)效應(yīng)處理
4.7.5 基于HHT的生物醫(yī)學(xué)信號(hào)分析
參考文獻(xiàn)
第五章 生物醫(yī)學(xué)信號(hào)的非線性處理方法
5.1 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
5.1.1 人工神經(jīng)元模型
5.1.2 人工神經(jīng)網(wǎng)絡(luò)模型
5.1.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
5.1.4 誤差反向傳播BP算法
5.1.5 RBF神經(jīng)網(wǎng)絡(luò)
5.1.6 遞歸神經(jīng)網(wǎng)絡(luò)
5.1.7 自組織神經(jīng)網(wǎng)絡(luò)
5.1.8 癲癇腦電檢測(cè)中的ANN應(yīng)用
5.2 混沌與分形
5.2.1 相空間
5.2.2 混沌吸引子
5.2.3 分?jǐn)?shù)維
5.2.4 李雅譜諾夫指數(shù)
5.2.5 混沌學(xué)理論在生物醫(yī)學(xué)信號(hào)中的應(yīng)用
參考文獻(xiàn)
第六章 虛擬式生物醫(yī)學(xué)儀器研究
6.1 虛擬儀器技術(shù)
6.1.1 虛擬儀器概念
6.1.2 虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的形成
6.1.3 虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的發(fā)展趨勢(shì)
6.2 虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的一般功能
6.2.1 生物醫(yī)學(xué)信號(hào)的測(cè)量與記錄
6.2.2 編輯和打印功能的實(shí)現(xiàn)
6.2.3 病人信息檔案的管理和查詢
6.3 虛擬式生物醫(yī)學(xué)儀器系統(tǒng)的特征分析功能
6.3.1 虛擬式心電信號(hào)檢測(cè)分析儀的心電信號(hào)特征信息提取
6.3.2 虛擬式腦電圖儀的腦電信號(hào)特征信息的時(shí)頻提取
6.3.3 虛擬式顱內(nèi)壓無(wú)創(chuàng)檢測(cè)分析儀的無(wú)創(chuàng)檢測(cè)功能實(shí)現(xiàn)
參考文獻(xiàn)