基于小波变换的脑机接口技术
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·脑机接口的基本概念及研究意义 | 第10-12页 |
| ·脑机接口的基本概念 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·脑机接口技术的研究进展 | 第12-13页 |
| ·本论文的主要目的 | 第13-15页 |
| 第二章 脑机接口的系统设计 | 第15-27页 |
| ·脑-机接口的系统组成 | 第15-16页 |
| ·脑-机接口的分类 | 第16页 |
| ·脑机接口的控制信号 | 第16-18页 |
| ·脑电信号的记录方式 | 第18-21页 |
| ·脑-机接口中的信号处理与模式识别技术 | 第21-24页 |
| ·脑电信号的特点 | 第21-22页 |
| ·脑电信号的特征提取技术 | 第22-23页 |
| ·模式识别技术 | 第23-24页 |
| ·脑-机接口技术面临的挑战 | 第24-25页 |
| ·对神经科学和认知科学的挑战 | 第25页 |
| ·BCI 进入临床应用的挑战 | 第25页 |
| 本章小结 | 第25-27页 |
| 第三章 脑电信号的特征提取 | 第27-52页 |
| ·特征提取方法研究现状 | 第27页 |
| ·基于小波变换特征提取 | 第27-33页 |
| ·小波变换的基本原理及算法 | 第27-29页 |
| ·基本小波的选取 | 第29-30页 |
| ·小波尺度的选择 | 第30-32页 |
| ·小波分析在信号消噪中的应用 | 第32页 |
| ·基于小波变换的特征表示 | 第32-33页 |
| ·基于AR 模型的特征提取 | 第33-38页 |
| ·AR 模型的简介 | 第33-34页 |
| ·AR 模型的Yule-Walker 方程及解法 | 第34-38页 |
| ·AR 模型的阶数的选择 | 第38页 |
| ·基于主成分分析的特征提取 | 第38-43页 |
| ·离散K-L 展开 | 第38-41页 |
| ·基于主成分分析的特征提取 | 第41-43页 |
| ·实验数据的特征提取 | 第43-51页 |
| ·数据来源 | 第43-44页 |
| ·数据要求及预处理 | 第44-47页 |
| ·基于小波分析的特征提取结果 | 第47-49页 |
| ·基于主成分分析的特征提取结果 | 第49-50页 |
| ·基于AR 模型的特征提取结果 | 第50-51页 |
| 本章小节 | 第51-52页 |
| 第四章 脑电信号分类 | 第52-68页 |
| ·模式识别的主要方法 | 第52页 |
| ·分类的概念及基本方法 | 第52-54页 |
| ·线性识别算法 | 第54-55页 |
| ·基于FISHER线性判别的信号分类 | 第55-58页 |
| ·实验模式识别的结果 | 第58-68页 |
| ·特征提取方法的分析与讨论 | 第58页 |
| ·识别的结果分析及讨论 | 第58-68页 |
| 第五章 总结 | 第68-71页 |
| ·论文的主要工作成果 | 第68-69页 |
| ·今后研究工作的展望 | 第69-70页 |
| ·结束语 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |
