| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第10-19页 |
| 1.1 脑-机接口系统 | 第10-12页 |
| 1.1.1 脑-机接口的概述 | 第10页 |
| 1.1.2 脑-机接口的组成 | 第10-11页 |
| 1.1.3 脑-机接口的研究意义 | 第11-12页 |
| 1.2 脑-机接口的发展及研究现状 | 第12-14页 |
| 1.2.1 脑-机接口的发展 | 第12-13页 |
| 1.2.2 国内外脑-机接口研究现状 | 第13-14页 |
| 1.3 运动想象脑-机接口面临的挑战 | 第14-15页 |
| 1.4 脑-机接口的应用前景 | 第15-17页 |
| 1.5 论文的主要研究目的和内容 | 第17-19页 |
| 1.5.1 主要研究目的 | 第17-18页 |
| 1.5.2 主要研究内容 | 第18-19页 |
| 第二章 基于运动想象脑电信号的相关知识 | 第19-35页 |
| 2.1 脑电信号的基本知识 | 第19-24页 |
| 2.1.1 脑电信号的产生机理 | 第19-20页 |
| 2.1.2 脑电信号的特点 | 第20-21页 |
| 2.1.3 运动想象脑电信号 | 第21-23页 |
| 2.1.4 脑电信号的分析方法 | 第23-24页 |
| 2.2 自主实验采集的软件平台和仪器 | 第24-26页 |
| 2.3 实验电极安放位置与意义 | 第26-28页 |
| 2.3.1 EEG信号采集电极的介绍 | 第26-27页 |
| 2.3.2 电极安放位置 | 第27-28页 |
| 2.4 运动想象脑电信号的分类依据 | 第28-30页 |
| 2.4.1 传统ERD/ERS计算 | 第28-30页 |
| 2.4.2 左手、右手和脚的ERD/ERS现象 | 第30页 |
| 2.5 运动想象脑电信号采集实验范式 | 第30-34页 |
| 2.5.1 BCI2005的MI-EEG实验范式 | 第30-31页 |
| 2.5.2 自主MI-EEG采集实验范式优点 | 第31-32页 |
| 2.5.3 自主实验受试者的选择 | 第32-33页 |
| 2.5.4 自主MI-EEG实验范式 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 运动想象脑电信号线性分类与优化方法 | 第35-45页 |
| 3.1 运动想象脑电信号评估准则 | 第35-37页 |
| 3.1.1 运动想象EEG数据测试平台 | 第35-36页 |
| 3.1.2 运动想象分类识别判定标准 | 第36-37页 |
| 3.2 运动想象脑电信号线性分类方法 | 第37-41页 |
| 3.2.1 支持向量机分类器 | 第37-39页 |
| 3.2.2 线性判别分析分类器 | 第39-41页 |
| 3.3 运动想象参数优化方法 | 第41-44页 |
| 3.3.1 遗传算法优化原理 | 第41-42页 |
| 3.3.2 基于运动想象配置遗传算法环境 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 共空间模式在运动想象脑电信号分类中的应用 | 第45-67页 |
| 4.1 预处理 | 第45-46页 |
| 4.2 基于共空间模式的空域滤波器 | 第46-49页 |
| 4.2.1 共空间模式算法 | 第46-47页 |
| 4.2.2 CSP空域滤波器的设计 | 第47-49页 |
| 4.3 多类CSP算法 | 第49-59页 |
| 4.3.1 传统近似联合对角化方法 | 第49-51页 |
| 4.3.2 JAD方法的特征值问题 | 第51-52页 |
| 4.3.3 改进的JAD方法 | 第52-55页 |
| 4.3.4 一对多CSP方法 | 第55-56页 |
| 4.3.5 基于方差的OVR分类判定 | 第56-58页 |
| 4.3.6 基于不同特征数的OVR分类判定 | 第58-59页 |
| 4.4 实验结果及分析 | 第59-66页 |
| 4.4.1 传统JAD方法与改进JAD方法分析 | 第59-63页 |
| 4.4.2 基于改进JAD方法的OVR方法分析 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 独立分量分析在运动想象脑电信号分类中的应用 | 第67-92页 |
| 5.1 独立分量分析算法 | 第67页 |
| 5.2 扩展信息极大算法 | 第67-69页 |
| 5.3 ICA作为预处理 | 第69-71页 |
| 5.4 基于独立分量分析的空域滤波器 | 第71-76页 |
| 5.4.1 ICA空域滤波器的设计 | 第71-74页 |
| 5.4.2 ICA空域滤波器的性能测试 | 第74-76页 |
| 5.5 基于独立分量优化子带特征的三类运动想象分类 | 第76-82页 |
| 5.5.1 多子带特征结合方法设计 | 第77-78页 |
| 5.5.2 实验结果及分析 | 第78-82页 |
| 5.6 基于ICA和GA算法相结合的运动想象频带优化 | 第82-90页 |
| 5.6.1 MI-EEG的遗传算法适应度函数设计 | 第82-84页 |
| 5.6.2 遗传算法适应度函数中频带增量确定 | 第84-85页 |
| 5.6.3 基于独立分量分析的遗传算法特征优化方法 | 第85-87页 |
| 5.6.4 实验结果及分析 | 第87-90页 |
| 5.7 本章小结 | 第90-92页 |
| 第六章 总结与展望 | 第92-94页 |
| 6.1 总结 | 第92-93页 |
| 6.2 展望 | 第93-94页 |
| 参考文献 | 第94-103页 |
| 附图 | 第103-105页 |
| 附表 | 第105-106页 |
| 致谢 | 第106-107页 |
| 作者攻读硕士学位期间取得的学术成果 | 第107页 |
