基于独立分量分析的思维脑电和诱发脑电的特征提取
| 中文摘要 | 第1-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| 1．1 前言 | 第7-8页 |
| 1．2 脑电信号的基本分类 | 第8-9页 |
| 1．2．1 自发脑电 | 第8-9页 |
| 1．2．2 诱发脑电 | 第9页 |
| 1．3 脑电信号的基本特点及其分析处理技术 | 第9-11页 |
| 1．4 独立分量分析 | 第11页 |
| 1．5 本文的研究内容 | 第11-13页 |
| 第二章 独立分量分析 | 第13-39页 |
| 2．1 综述 | 第13页 |
| 2．2 统计分析理论 | 第13-18页 |
| 2．2．1 随机变量的一、二阶统计特性分析 | 第13-15页 |
| 2．2．2 随机变量的高阶统计特性分析 | 第15-18页 |
| 2．3 信息熵理论 | 第18-21页 |
| 2．3．1 信息熵 | 第18-19页 |
| 2．3．2 互信息 | 第19页 |
| 2．3．3 最大熵定理 | 第19-21页 |
| 2．4 ICA的基本理论 | 第21-25页 |
| 2．4．1 ICA问题描述 | 第21-22页 |
| 2．4．2 ICA的限定条件 | 第22-23页 |
| 2．4．3 独立性度量 | 第23-25页 |
| 2．5 ICA的算法原理 | 第25-38页 |
| 2．5．1 Infomax算法 | 第25-31页 |
| 2．5．2 扩展的infomax算法 | 第31-36页 |
| 2．5．3 在线Infomax算法 | 第36-38页 |
| 2．6 本章小结 | 第38-39页 |
| 第三章 自发脑电信号的处理 | 第39-50页 |
| 3．1 概述 | 第39-40页 |
| 3．2 常用特征提取方法 | 第40-42页 |
| 3．2．1 脑电信号的时域分析 | 第40-41页 |
| 3．2．2 脑电信号的频域分析 | 第41-42页 |
| 3．3 ICA在脑电信号处理中的应用 | 第42-49页 |
| 3．3．1 ICA在脑电消噪方面的应用 | 第43-44页 |
| 3．3．2 ICA在思维脑电特征提取方面的应用 | 第44-49页 |
| 3．4 本章小结 | 第49-50页 |
| 第四章 诱发脑电信号的处理 | 第50-61页 |
| 4．1 脑诱发电位发展简史 | 第50-51页 |
| 4．2 诱发脑电的基本理论 | 第51-53页 |
| 4．2．1 EP定义 | 第51-52页 |
| 4．2．2 EP分类 | 第52页 |
| 4．2．3 波形分析 | 第52-53页 |
| 4．3 诱发脑电的常用提取技术 | 第53-55页 |
| 4．3．1 叠加平均法 | 第54页 |
| 4．3．2 ARMA滤波方法 | 第54-55页 |
| 4．4 ICA在EP特征提取中的应用 | 第55-60页 |
| 4．5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
