首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

运动想象脑机交互中脑电预处理算法研究

摘要第5-6页
Abstarct第6-7页
第一章 绪论第11-19页
    1.1 研究背景与意义第11-12页
    1.2 脑电预处理的国内外研究现状及存在的问题第12-17页
        1.2.1 脑电预处理的国内外研究现状第12-15页
        1.2.2 脑电预处理存在的问题第15-17页
    1.3 论文研究内容第17-18页
    1.4 论文组织结构第18-19页
第二章 运动想象脑电及其伪迹剔除方法第19-33页
    2.1 运动想象脑电信号的研究基础第19-22页
        2.1.1 脑电的产生机理和特点第19-20页
        2.1.2 脑电信号的分类第20-21页
        2.1.3 运动想象脑电及ERD/ERS现象第21-22页
    2.2 运动想象脑电信号的采集第22-25页
        2.2.1 EEG电极的放置方法第23-24页
        2.2.2 EEG电极的导联方式第24-25页
    2.3 主要伪迹种类及其来源第25-27页
    2.4 常见的伪迹剔除方法第27-30页
        2.4.1 小波变换第27页
        2.4.2 独立成分分析第27-28页
        2.4.3 总体经验模态分解第28-29页
        2.4.4 聚类分析第29-30页
    2.5 DWICA结合聚类分析的预处理算法第30-31页
    2.6 小结第31-33页
第三章 运动想象脑电的离线伪迹剔除研究第33-51页
    3.1 模拟实验数据来源及说明第33-34页
    3.2 基于EEMD-ICA的脑电信号伪迹剔除实验研究第34-37页
        3.2.1 EEMD-ICA算法的实现过程第34-36页
        3.2.2 EEMD-ICA算法的伪迹剔除实验第36-37页
    3.3 基于DWICA和聚类分析的脑电信号伪迹剔除实验研究第37-42页
        3.3.1 DWICA结合聚类分析算法的实现过程第37-39页
        3.3.2 DWICA结合聚类分析算法的伪迹剔除实验第39-42页
    3.4 脑电预处理算法性能的比较第42-45页
        3.4.1 预处理性能指标第42-43页
        3.4.2 性能指标的结果分析第43-45页
    3.5 运动想象脑电的微状态研究第45-50页
        3.5.1 脑电微状态的基本理论第45-46页
        3.5.2 离线运动想象脑电数据的微状态分析第46-50页
    3.6 小结第50-51页
第四章 运动想象脑电的在线预处理及应用第51-63页
    4.1 实验研究的材料第51-52页
        4.1.1 被试选择和实验前的准备第51页
        4.1.2 脑电采集设备及参数第51-52页
    4.2 运动想象脑电的特征提取第52-53页
    4.3 运动想象脑电的模式分类第53-57页
        4.3.1 支持向量机第53-55页
        4.3.2 线性判别分析第55-57页
    4.4 在线运动想象脑机接口系统的搭建及实验流程第57-59页
        4.4.1 在线运动想象脑机接口系统的搭建第57-58页
        4.4.2 实验流程第58-59页
    4.5 运动想象脑控虚拟风扇的实验结果及分析第59-60页
        4.5.1 实验结果第59-60页
        4.5.2 实验分析第60页
    4.6 本章小结第60-63页
第五章 运动想象脑电预处理的混合编程MFC设计第63-67页
    5.1 引言第63页
    5.2 VS2010工具平台及混合编程方法简介第63页
    5.3 MATLAB与VS协同编程的实现第63-66页
        5.3.1 主界面的设计和功能分析第63-64页
        5.3.2 离线MFC平台的设计和功能分析第64-65页
        5.3.3 在线MFC平台的设计和功能分析第65-66页
    5.4 小结第66-67页
第六章 总结和展望第67-69页
    6.1 总结第67页
    6.2 展望第67-69页
致谢第69-71页
参考文献第71-77页
附录A:攻读学位期间发表的论文、申请的专利和软著第77-79页
附录B:攻读学位期间参与项目第79页

论文共79页,点击 下载论文
上一篇:水下潜器捷联式惯性导航系统初始对准技术的研究
下一篇:基于HMM和ANN混合模型的孤立词语音识别研究