| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 脑-机接口技术中尚待解决的主要问题 | 第16页 |
| 1.4 研究内容与论文结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 脑电信号相关知识与预处理 | 第18-25页 |
| 2.1 脑电信号的概述 | 第18-21页 |
| 2.1.1 脑电信号的产生机理 | 第18-19页 |
| 2.1.2 脑电信号的分类 | 第19页 |
| 2.1.3 运动想象脑电信号的特点 | 第19-20页 |
| 2.1.4 运动想象脑电信号的导联 | 第20-21页 |
| 2.2 运动想象脑电信号的预处理 | 第21-24页 |
| 2.2.1 巴特沃斯滤波器 | 第21-22页 |
| 2.2.2 自适应小波阈值法 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 运动想象脑电信号的特征提取 | 第25-38页 |
| 3.1 特征提取背景 | 第25-27页 |
| 3.2 基于NA-MEMD和互信息的脑电信号特征提取 | 第27-31页 |
| 3.2.1 噪声辅助的多变量经验模式分解 | 第27-29页 |
| 3.2.2 互信息 | 第29页 |
| 3.2.3 共同空间模式 | 第29-30页 |
| 3.2.4 IMF分量选择及特征提取 | 第30-31页 |
| 3.3 实验处理与结果分析 | 第31-37页 |
| 3.3.1 仿真数据实验 | 第31-33页 |
| 3.3.2 脑电数据实验 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 运动想象脑电信号的模式分类 | 第38-48页 |
| 4.1 常用的模式分类方法 | 第38-39页 |
| 4.2 基于人工蜂群优化的高斯过程分类 | 第39-44页 |
| 4.2.1 高斯过程分类 | 第39-40页 |
| 4.2.2 人工蜂群算法 | 第40-41页 |
| 4.2.3 基于人工蜂群优化的高斯过程分类方法 | 第41-44页 |
| 4.3 实验结果与分析 | 第44-47页 |
| 4.3.1 优化算法实验 | 第44-45页 |
| 4.3.2 分类算法实验 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 多变量运动想象脑电在电动假肢控制上的应用 | 第48-60页 |
| 5.1 实验设计背景 | 第48页 |
| 5.2 基于脑电信号的电动假肢控制平台 | 第48-50页 |
| 5.2.1 总体控制方案 | 第48-49页 |
| 5.2.2 基于单片机的电动假肢控制实现 | 第49-50页 |
| 5.3 采集实验 | 第50-53页 |
| 5.3.1 方案设计 | 第50-51页 |
| 5.3.2 采集过程 | 第51-53页 |
| 5.4 脑电信号预处理 | 第53-55页 |
| 5.5 脑电特征提取 | 第55-58页 |
| 5.6 脑电特征分类 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69页 |