| 第一章 绪论 | 第1-11页 |
| ·课题研究背景及意义 | 第6-7页 |
| ·BCI的特征及结构 | 第7-8页 |
| ·目前国内外BCI的研究现状 | 第8-10页 |
| ·脑电信号的预处理和特征提取 | 第9页 |
| ·意识任务的分类方法 | 第9-10页 |
| ·本文的研究内容 | 第10-11页 |
| 第二章 脑电信号的预处理和特征提取方法 | 第11-34页 |
| ·引言 | 第11页 |
| ·实验所用脑电信号的背景，结构及特征 | 第11-13页 |
| ·实验描述 | 第11-12页 |
| ·数据格式 | 第12-13页 |
| ·功率谱估计及AR模型参数 | 第13-19页 |
| ·经典功率谱估计 | 第13-15页 |
| ·参数模型功率谱估计及模型参数 | 第15-19页 |
| ·脑电信号的事件相关同步性与时间相关去同步性 | 第19-21页 |
| ·信号的能量与小波熵 | 第21-23页 |
| ·理论背景 | 第21-22页 |
| ·小波分析的理论基础 | 第22-23页 |
| ·相同步在脑电信号特征提取中的应用 | 第23-27页 |
| ·相同步分析方法应用于脑电信号的理论背景 | 第23-24页 |
| ·相同步的定义及衡量相同步的算法分析 | 第24-27页 |
| ·运用相同步进行信号特征提取的方法 | 第27页 |
| ·实验结果与讨论 | 第27-33页 |
| ·实验数据 | 第27-28页 |
| ·功率谱估计与AR模型参数 | 第28-30页 |
| ·信号的能量与小波熵 | 第30-31页 |
| ·相同步信息 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 意识任务分类方法 | 第34-45页 |
| ·引言 | 第34页 |
| ·线性判别式分析 | 第34-37页 |
| ·线性判别式分析算法分析 | 第34-35页 |
| ·基于Mahalanobis距离的分类器 | 第35-36页 |
| ·LDA与MDBC算法的比较 | 第36-37页 |
| ·支持向量机分类算法 | 第37-43页 |
| ·支持向量机的理论基础 | 第37-43页 |
| ·实验结果与讨论 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第四章 几种特征提取和分类方法对基于脑电信号的意识任务识别的比较 | 第45-49页 |
| ·引言 | 第45页 |
| ·实验对比和结论 | 第45-48页 |
| ·特征提取方法的对比和比较 | 第45-47页 |
| ·分类算法比较讨论 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 发表论文 | 第52-53页 |
| 致谢 | 第53页 |