| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-15页 |
| ·脑机接口概述 | 第9-12页 |
| ·脑机接口的起源和意义 | 第9-10页 |
| ·脑机接口的国内外发展和现状 | 第10-12页 |
| ·脑电信号概述 | 第12-13页 |
| ·脑电信号的生理学基础 | 第12页 |
| ·脑电信号的特征 | 第12-13页 |
| ·基于脑电的BCI系统 | 第13页 |
| ·本文主要工作 | 第13-15页 |
| 2 脑电信号的特征提取方法研究 | 第15-22页 |
| ·基于小波系数及子带系数均值与小波熵结合的特征提取方法 | 第15-19页 |
| ·脑电信号的小波分解 | 第15-16页 |
| ·基于小波系数和子带系数均值的特征 | 第16-17页 |
| ·基于小波熵的特征 | 第17-18页 |
| ·三种特征量的形成和结合 | 第18-19页 |
| ·公共空间模型的特征提取算法 | 第19-22页 |
| ·应用背景和意义 | 第19页 |
| ·算法原理 | 第19-22页 |
| 3 脑电信号模式识别方法的研究 | 第22-26页 |
| ·改进的基于自训练半监督的支持向量机算法 | 第22-23页 |
| ·半监督的概念及意义 | 第22页 |
| ·支持向量机的算法原理 | 第22-23页 |
| ·改进算法实现的具体步骤 | 第23页 |
| ·改进的基于自训练半监督的K均值聚类算法 | 第23-24页 |
| ·K均值聚类的基本原理 | 第23-24页 |
| ·改进算法实现的具体步骤 | 第24页 |
| ·BP神经网络 | 第24-26页 |
| ·算法原理 | 第24-25页 |
| ·多分类网络的构造 | 第25-26页 |
| 4 不同脑电信号的特征识别结果 | 第26-48页 |
| ·P300信号的数据处理结果 | 第26-29页 |
| ·数据描述 | 第26-27页 |
| ·分类算法处理结果及分析 | 第27-29页 |
| ·皮层慢电位信号的数据处理结果 | 第29-34页 |
| ·数据描述 | 第29-30页 |
| ·特征提取处理结果分析 | 第30-32页 |
| ·分类算法处理结果及分析 | 第32-34页 |
| ·运动想象信号的数据处理结果 | 第34-46页 |
| ·数据描述 | 第34-37页 |
| ·预处理及特征提取的分析结果 | 第37-42页 |
| ·分类器的识别结果分析及比较 | 第42-46页 |
| ·脑电信号的应用前景 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-55页 |