| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第二章 相关理论与技术基础介绍 | 第16-20页 |
| 2.1 脑电信号与噪声 | 第16-18页 |
| 2.2 脑电信号身份识别技术的基本流程 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 脑电信号的采集与预处理 | 第20-35页 |
| 3.1 脑电信号的采集 | 第20-22页 |
| 3.2 脑电信号去噪技术 | 第22-28页 |
| 3.2.1 基于EMD-ICA方法的单电极预处理技术 | 第23-27页 |
| 3.2.2 基于TESWT的预处理技术 | 第27-28页 |
| 3.2.3 小波变换去噪算法 | 第28页 |
| 3.3 基于特定眼电噪声区域的小波去噪算法(EOG-SWT) | 第28-34页 |
| 3.3.1 EOG-SWT算法提出背景 | 第28-30页 |
| 3.3.2 EOG-SWT算法流程 | 第30-32页 |
| 3.3.3 EOG-SWT算法实验结果 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 脑电信号的特征提取 | 第35-53页 |
| 4.1 时域分析方法 | 第35-36页 |
| 4.2 频域分析方法 | 第36-40页 |
| 4.2.1 非参数估计法 | 第36-37页 |
| 4.2.2 参数估计法 | 第37-38页 |
| 4.2.3 各种功率谱估计方法比较 | 第38-40页 |
| 4.2.4 EMD-Welch算法 | 第40页 |
| 4.3 时频分析方法 | 第40-43页 |
| 4.4 各特征提取方法实验结果 | 第43-49页 |
| 4.4.1 Hjorth实验结果 | 第44-45页 |
| 4.4.2 小波变换实验结果 | 第45-47页 |
| 4.4.3 AR模型 | 第47-49页 |
| 4.5 基于AR参数与小波系数统计信息特征组合的特征提取算法(AR-SWT算法) | 第49-52页 |
| 4.5.1 AR-SWT算法的物理意义 | 第49页 |
| 4.5.2 AR-SWT特征提取算法步骤与实验结果 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 脑电信号中的分类器 | 第53-58页 |
| 5.1 KNN分类器 | 第53-54页 |
| 5.2 朴素贝叶斯分类器NBC | 第54页 |
| 5.3 Fisher线性判别分类器 | 第54-56页 |
| 5.4 SVM支撑向量机 | 第56页 |
| 5.5 各分类算法实验比较 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 身份识别系统设计与实现 | 第58-77页 |
| 6.1 系统架构设计 | 第58-59页 |
| 6.2 模块设计 | 第59-61页 |
| 6.2.1 采集模块设计 | 第59-60页 |
| 6.2.2 验证模块设计 | 第60页 |
| 6.2.3 用户模块设计 | 第60-61页 |
| 6.3 系统实现 | 第61-67页 |
| 6.3.1 采集模块的实现 | 第62-63页 |
| 6.3.2 验证模块实现 | 第63-65页 |
| 6.3.3 用户模块实现 | 第65-67页 |
| 6.4 身份识别系统测试与评估 | 第67-76页 |
| 6.4.1 测试实验准备与数据采集 | 第67-69页 |
| 6.4.2 测试实验总体设计与评价指标 | 第69-71页 |
| 6.4.3 测试实验结果分析 | 第71-76页 |
| 6.5 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-79页 |
| 7.1 全文总结 | 第77-78页 |
| 7.2 后续工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的成果 | 第84页 |
