| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 BCI和用户状态监测 | 第16-17页 |
| 1.2.2 经颅直流电刺激 | 第17-18页 |
| 1.3 本文主要研究工作内容 | 第18页 |
| 1.4 论文研究内容及章节安排 | 第18-21页 |
| 第二章 脑电信号的采集以及处理 | 第21-37页 |
| 2.1 头皮脑电信号的特点和采集方法 | 第21-23页 |
| 2.1.1 头皮脑电信号的特点 | 第21-22页 |
| 2.1.2 头皮脑电信号的采集 | 第22-23页 |
| 2.2 脑电信号预处理 | 第23-24页 |
| 2.2.1 独立成分分析 | 第23页 |
| 2.2.2 眼电信号去除 | 第23-24页 |
| 2.3 脑电信号特征提取方法 | 第24-26页 |
| 2.3.1 短时傅立叶变换 | 第24-25页 |
| 2.3.2 小波变换 | 第25-26页 |
| 2.4 Hilbert-Huang变换 | 第26-35页 |
| 2.4.1 Hilbert变换 | 第26-28页 |
| 2.4.2 瞬时频率 | 第28-29页 |
| 2.4.3 内蕴态函数 | 第29-30页 |
| 2.4.4 经验模态分解 | 第30-31页 |
| 2.4.5 EMD方法以及特点 | 第31-33页 |
| 2.4.6 Hilbert谱和Hilbert边际谱 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于脑电的精神状态的分类方法的研究 | 第37-61页 |
| 3.1 生理性精神疲劳数据采集 | 第38-42页 |
| 3.2 基于Hilbert-Huang变换的疲劳特征提取 | 第42-45页 |
| 3.2.1 瞬时能量 | 第42-45页 |
| 3.3 基于脑电信号的精神状态的自动分类 | 第45-59页 |
| 3.3.1 自动分类方法 | 第46页 |
| 3.3.2 决策树算法 | 第46-47页 |
| 3.3.3 支持向量机算法 | 第47-48页 |
| 3.3.4 深度学习网络 | 第48-51页 |
| 3.3.5 训练结果分析 | 第51-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第四章 经颅直流电刺激对精神状态的影响的研究 | 第61-73页 |
| 4.1 经颅直流电的刺激作用 | 第61-62页 |
| 4.2 经颅直流电刺激对于认知能力提升的研究 | 第62-67页 |
| 4.2.1 实验内容 | 第62-64页 |
| 4.2.2 结果分析 | 第64-67页 |
| 4.3 经颅直流电刺激对疲劳状态的影响 | 第67-70页 |
| 4.3.1 实验内容 | 第67-68页 |
| 4.3.2 经颅直流电刺激是否对精神状态有明显的作用 | 第68-70页 |
| 4.4 本章小结 | 第70-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
