| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-18页 |
| ·脑机接口的定义及其发展史 | 第11-12页 |
| ·研究脑机接口的意义 | 第12页 |
| ·基于EEG 的脑机接口系统及其工作原理 | 第12-13页 |
| ·基于EEG 的脑机接口的基本结构 | 第12-13页 |
| ·基于EEG 的脑机接口的工作原理 | 第13页 |
| ·基于EEG 的脑机接口的基本类型 | 第13-15页 |
| ·基于神经生理现象的分类 | 第13-14页 |
| ·基于信号的控制方式分类 | 第14-15页 |
| ·基于信号的获取方法分类 | 第15页 |
| ·基于EEG 脑机接口的局限 | 第15页 |
| ·本文所要解决的问题 | 第15-17页 |
| ·全文的结构安排 | 第17-18页 |
| 第二章 实验数据获取及神经生理学背景 | 第18-22页 |
| ·四类运动想象任务实验 | 第18-19页 |
| ·国际脑机接口竞赛数据 | 第19-20页 |
| ·神经生理学现象 | 第20-22页 |
| ·视觉任务 | 第20页 |
| ·事件相关同步与去同步现象 | 第20-21页 |
| ·运动相关电位 | 第21-22页 |
| 第三章 EEG 数据的预处理 | 第22-25页 |
| ·数据的重采样与伪迹处理 | 第22-23页 |
| ·参考方式和频率滤波器的设计 | 第23页 |
| ·通道选择和数据中心化 | 第23-24页 |
| ·空间滤波与频率分解 | 第24-25页 |
| 第四章 运动想象特征提取与特征联合 | 第25-36页 |
| ·通带能量特征及提取 | 第26页 |
| ·共空间模式方法及其扩展 | 第26-34页 |
| ·时-空-频参数确定 | 第27-28页 |
| ·共空间模式算法 | 第28-30页 |
| ·共空间模式的扩展 | 第30-33页 |
| ·共空间模式的多类应用 | 第33-34页 |
| ·相位信息提取及意义 | 第34页 |
| ·熵信息 | 第34-35页 |
| ·特征的联合方法 | 第35-36页 |
| 第五章 模式分类及后处理方法 | 第36-43页 |
| ·基于 Mahalanobis 距离的分类 | 第37-38页 |
| ·基于后验概率的支持向量机 | 第38-39页 |
| ·贝叶斯线性判决分析 | 第39-41页 |
| ·分类器的联合与多类扩展 | 第41-42页 |
| ·基于概率的训练样本扩充 | 第42-43页 |
| 第六章 实验数据分析及结果 | 第43-57页 |
| ·衡量标准—Kappa 系数 | 第43页 |
| ·相位信息，熵信息和能量信息的特征联合 | 第43-44页 |
| ·概率分类与直接判决方法比较 | 第44-46页 |
| ·两种多分类方法：马氏距离分类器与一对多SVM | 第44-45页 |
| ·两种概率方法：SVM 后验概率模型和贝叶斯线性判决 | 第45-46页 |
| ·基于SVM 后验概率的训练样本扩充方法 | 第46-50页 |
| ·训练样本扩充 | 第46-48页 |
| ·样本扩充后分类结果 | 第48-50页 |
| ·基于贝叶斯线性判决的训练样本扩充方法 | 第50-57页 |
| ·仿真数据集 | 第50-51页 |
| ·仿真数据分类和样本扩充 | 第51-53页 |
| ·实验数据分类和样本扩充 | 第53-55页 |
| ·基于概率阈值分类方法 | 第55-57页 |
| 第七章 结论和展望 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66-67页 |
| 个人简历及研究生期间的研究成果 | 第67-68页 |