| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 ERPs信号去噪 | 第14-17页 |
| 1.2.2 ERPs信号分类 | 第17-19页 |
| 1.3 论文主要内容及结构安排 | 第19-20页 |
| 第二章 稀疏表示理论 | 第20-34页 |
| 2.1 稀疏表示理论的基础 | 第20页 |
| 2.2 信号的稀疏表示 | 第20-29页 |
| 2.2.1 传统信号表示 | 第20-21页 |
| 2.2.2 信号的稀疏性 | 第21-22页 |
| 2.2.3 信号的稀疏表示 | 第22-29页 |
| 2.3 信号稀疏分解算法 | 第29-32页 |
| 2.3.1 贪婪算法 | 第29-30页 |
| 2.3.2 松弛算法 | 第30-31页 |
| 2.3.3 其他算法 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 基于稀疏表示的ERPs信号去噪算法 | 第34-62页 |
| 3.1 引言 | 第34-35页 |
| 3.2 实验数据 | 第35-37页 |
| 3.3 经典ERPs去噪算法 | 第37-42页 |
| 3.4 基于稀疏表示的ERPs信号去噪算法 | 第42-51页 |
| 3.4.1 基于改进式Nonlocal Means去噪算法 | 第42-47页 |
| 3.4.2 基于协同滤波的去噪算法 | 第47-51页 |
| 3.5 实验结果分析 | 第51-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 基于稀疏表示的ERPs信号分类算法 | 第62-82页 |
| 4.1 引言 | 第62-63页 |
| 4.2 经典ERPs分类算法 | 第63-69页 |
| 4.3 基于稀疏表示分类的ERPs信号分类算法 | 第69-78页 |
| 4.3.1 Sparse presentation-based Classification(SRC)算法 | 第69-72页 |
| 4.3.2 Discriminative K-SVD算法 | 第72-75页 |
| 4.3.3 Label Consistent K-SVD算法 | 第75-78页 |
| 4.4 实验结果分析 | 第78-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 总结与展望 | 第82-84页 |
| 5.1 总结 | 第82-83页 |
| 5.2 展望 | 第83-84页 |
| 参考文献 | 第84-91页 |
| 致谢 | 第91-92页 |
| 攻读学位期间科研成果 | 第92页 |
