| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-13页 |
| 1.1.1 脑卒中康复治疗的意义 | 第9-10页 |
| 1.1.2 脑卒中的康复治疗手段 | 第10-11页 |
| 1.1.3 脑电信号简述 | 第11-13页 |
| 1.2 运动想象应用于康复训练的研究 | 第13-15页 |
| 1.2.1 运动想象相关脑电信号产生的生理基础 | 第13-14页 |
| 1.2.2 运动想象应用脑卒中病人康复治疗的研究现状 | 第14-15页 |
| 1.3 研究内容及章节安排 | 第15-18页 |
| 第二章 差异任务难度的运动想象实验方案设计 | 第18-26页 |
| 2.1 实验界面设计 | 第18页 |
| 2.2 握力采集系统 | 第18-21页 |
| 2.3 脑电信号采集系统 | 第21-23页 |
| 2.4 手部运动实验设计 | 第23-26页 |
| 第三章 握力数据分析 | 第26-30页 |
| 3.1 单次实验握力追踪分析 | 第26-27页 |
| 3.2 统计学分析 | 第27-30页 |
| 3.2.1 相关性分析 | 第27-28页 |
| 3.2.2 误差分析 | 第28-30页 |
| 第四章 脑电信号分析 | 第30-49页 |
| 4.1 事件相关去同步/同步 | 第30-33页 |
| 4.2 脑电数据预处理 | 第33-36页 |
| 4.3 信号的时频特征分析 | 第36-43页 |
| 4.3.1 短时傅立叶变换 | 第36-37页 |
| 4.3.2 时频图谱分析 | 第37-39页 |
| 4.3.3 脑地形图分析及功率谱分析 | 第39-41页 |
| 4.3.4 可分性分析 | 第41-43页 |
| 4.4 脑电信号统计学分析 | 第43-49页 |
| 4.4.1 特征频段内ERD值分析 | 第43-46页 |
| 4.4.2 全部频段ERD值分频分析 | 第46-49页 |
| 第五章 基于SVM的分类识别 | 第49-64页 |
| 5.1 二分类共空间模式特征提取算法 | 第49-51页 |
| 5.2 基于滤波器优化的单次特征提取技术 | 第51-52页 |
| 5.3 支持向量机 | 第52-55页 |
| 5.4 测试样本选取 | 第55-56页 |
| 5.5 运动想象诱发脑电信号分类结果分析 | 第56-64页 |
| 5.5.1 运动想象诱发脑电分类识别结果 | 第56-60页 |
| 5.5.2 实际动作任务诱发脑电分类识别结果 | 第60-61页 |
| 5.5.3 跨模式脑电分类识别结果 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 未来展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |