| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景及研究意义 | 第10页 |
| 1.2 脑机接口简介 | 第10-13页 |
| 1.2.1 脑机接口系统的组成及工作原理 | 第10-11页 |
| 1.2.2 脑电信号的特点及采集方法 | 第11-12页 |
| 1.2.3 脑机接口系统的分类及特点 | 第12-13页 |
| 1.3 运动想象脑机接口及其关键技术研究现状 | 第13-17页 |
| 1.3.1 运动想象脑机接口国内外研究现状 | 第13-15页 |
| 1.3.2 脑电信号伪迹去除研究现状 | 第15页 |
| 1.3.3 脑电信号特征提取研究现状 | 第15-16页 |
| 1.3.4 脑电信号模式分类研究现状 | 第16-17页 |
| 1.4 本文研究内容及章节安排 | 第17-19页 |
| 第二章 基于DWT-ICA的脑电信号眼电伪迹去除方法 | 第19-32页 |
| 2.1 基本理论与方法 | 第19-20页 |
| 2.1.1 离散小波变换 | 第19-20页 |
| 2.1.2 独立成分分析 | 第20页 |
| 2.2 基于DWT-ICA的眼电伪迹去除方法 | 第20-23页 |
| 2.3 仿真信号测试 | 第23-28页 |
| 2.3.1 仿真信号 | 第23-24页 |
| 2.3.2 评价指标 | 第24页 |
| 2.3.3 实验结果与讨论 | 第24-28页 |
| 2.4 实测信号测试 | 第28-31页 |
| 2.4.1 实验数据 | 第29页 |
| 2.4.2 实验结果 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于D-S证据理论的多域融合左右手运动想象脑电分类方法 | 第32-43页 |
| 3.1 基于D-S证据理论的多域融合脑电分类方法 | 第32-38页 |
| 3.1.1 运动想象脑电特征提取 | 第32-35页 |
| 3.1.2 基于支持向量机的运动想象脑电分类 | 第35-37页 |
| 3.1.3 D-S证据理论融合决策 | 第37-38页 |
| 3.2 实验数据与预处理 | 第38-40页 |
| 3.2.1 数据介绍 | 第38-39页 |
| 3.2.2 数据预处理 | 第39-40页 |
| 3.3 实验结果分析与讨论 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于深度学习框架的多类运动想象脑电分类方法 | 第43-54页 |
| 4.1 卷积神经网络简介 | 第43-45页 |
| 4.2 集成CNN与SVM的多类运动想象脑电分类方法 | 第45-47页 |
| 4.2.1 CNN提取脑电特征 | 第45-46页 |
| 4.2.2 脑电分类识别 | 第46-47页 |
| 4.3 实验数据与预处理 | 第47-50页 |
| 4.3.1 数据描述 | 第47-48页 |
| 4.3.2 训练集与测试集划分 | 第48页 |
| 4.3.3 数据预处理 | 第48-50页 |
| 4.4 实验结果分析与讨论 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于脑肌电信号融合的同侧手部动作识别方法 | 第54-66页 |
| 5.1 实验方案设计 | 第54-55页 |
| 5.2 脑肌电信号的采集 | 第55-56页 |
| 5.2.1 脑电信号采集 | 第55-56页 |
| 5.2.2 肌电信号采集 | 第56页 |
| 5.3 脑肌电信号融合方法 | 第56-62页 |
| 5.3.1 脑肌电信号预处理 | 第57-59页 |
| 5.3.2 脑肌电信号特征提取 | 第59-61页 |
| 5.3.3 脑肌电信号特征融合 | 第61-62页 |
| 5.4 实验结果分析与讨论 | 第62-65页 |
| 5.4.1 基于脑电信号的分类结果 | 第63页 |
| 5.4.2 基于肌电信号的分类结果 | 第63-64页 |
| 5.4.3 基于脑肌电信号融合的分类结果 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73页 |
