基于锋电位信号的脑机接口算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-27页 |
| ·脑机接口 | 第14-21页 |
| ·非植入式脑机接口 | 第15-17页 |
| ·植入式脑机接口 | 第17-21页 |
| ·基于锋电位信号的脑机接口的发展现状 | 第21-25页 |
| ·研究目标 | 第25页 |
| ·研究内容 | 第25-26页 |
| ·论文结构 | 第26-27页 |
| 第2章 实验设计和数据采集 | 第27-31页 |
| ·引言 | 第27页 |
| ·实验设计 | 第27-28页 |
| ·动物及行为学实验 | 第27-28页 |
| ·微电极阵列植入手术 | 第28页 |
| ·数据采集 | 第28-31页 |
| ·神经信号获取 | 第28-30页 |
| ·行为参数获取 | 第30-31页 |
| 第3章 神经信号预处理 | 第31-47页 |
| ·引言 | 第31-32页 |
| ·锋电位分类 | 第32-46页 |
| ·基于粗糙集的锋电位分类方法 | 第33-46页 |
| ·讨论与总结 | 第46-47页 |
| 第4章 神经集群信号解码 | 第47-60页 |
| ·引言 | 第47-48页 |
| ·方法 | 第48-52页 |
| ·动物及行为学实验与电极植入手术 | 第48-49页 |
| ·信号采集与预处理 | 第49页 |
| ·广义回归神经网络 | 第49-51页 |
| ·基于GRNN的神经解码 | 第51-52页 |
| ·结果 | 第52-59页 |
| ·基本GRNN模型 | 第52-53页 |
| ·时延GRNN模型 | 第53-54页 |
| ·状态相关GRNN解码模型 | 第54-55页 |
| ·混合GRNN解码模型 | 第55-56页 |
| ·方法比较 | 第56-58页 |
| ·前向预测能力 | 第58-59页 |
| ·讨论与总结 | 第59-60页 |
| 第5章 在线神经解码与控制系统 | 第60-68页 |
| ·引言 | 第60页 |
| ·系统构成 | 第60-64页 |
| ·数据传输模块 | 第64页 |
| ·数据处理模块 | 第64-65页 |
| ·控制模块 | 第65-66页 |
| ·讨论与总结 | 第66-68页 |
| 第6章 神经信息约简 | 第68-77页 |
| ·引言 | 第68-70页 |
| ·神经元重要度评估 | 第70-73页 |
| ·神经元重要度的评估 | 第71页 |
| ·神经元重要度的时间-空间分布 | 第71-73页 |
| ·神经信息约简 | 第73-74页 |
| ·单时间片神经信息约简 | 第73页 |
| ·时间空间神经信息约简 | 第73-74页 |
| ·讨论与总结 | 第74-77页 |
| 第7章 总结与展望 | 第77-79页 |
| ·工作总结 | 第77页 |
| ·工作创新点 | 第77-78页 |
| ·未来展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 论文发表 | 第82-83页 |
| 致谢 | 第83页 |
