基于脑机接口的心理状态判断模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容和结构安排 | 第12-15页 |
| 2 脑电信号对心理状态的影响 | 第15-23页 |
| 2.1 脑电信号(EEG)特点 | 第15-16页 |
| 2.1.1 EEG的产生机理 | 第15页 |
| 2.1.2 EEG的分类 | 第15-16页 |
| 2.2 心理状态的种类 | 第16-19页 |
| 2.2.1 不同心理状态下脑电信号的组成 | 第17-19页 |
| 2.3 心理状态判断方法及诱发方式 | 第19-22页 |
| 2.3.1 心理状态及相关心理状态模型 | 第19-20页 |
| 2.3.2 心理状态诱发方式 | 第20-21页 |
| 2.3.3 心理状态判断方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 脑电信号的采集及预处理 | 第23-35页 |
| 3.1 脑电信号的采集实验设计 | 第23-28页 |
| 3.1.1 实验设备的选择 | 第23页 |
| 3.1.2 实验素材 | 第23-25页 |
| 3.1.3 实验环境 | 第25-26页 |
| 3.1.4 实验流程 | 第26-27页 |
| 3.1.5 实验结果 | 第27-28页 |
| 3.2 脑电信号的预处理 | 第28-33页 |
| 3.2.1 预处理流程 | 第28-29页 |
| 3.2.2 FIR数字滤波器的仿真 | 第29-30页 |
| 3.2.3 预处理结果对比 | 第30-33页 |
| 3.3 本章小结 | 第33-35页 |
| 4 脑电信号的特征提取与分类识别 | 第35-51页 |
| 4.1 特征提取研究 | 第35-41页 |
| 4.1.1 功率谱密度 | 第35-37页 |
| 4.1.2 小波能量熵算法 | 第37-38页 |
| 4.1.3 特征提取结果对比 | 第38-41页 |
| 4.2 分类识别算法研究 | 第41-48页 |
| 4.2.1 基于ANN神经网络的分类识别 | 第41-42页 |
| 4.2.2 基于CNN神经网络的分类识别 | 第42-44页 |
| 4.2.3 基于ELM极限学习机的分类识别 | 第44-47页 |
| 4.2.4 分类判断算法结果对比 | 第47-48页 |
| 4.3 本章小结 | 第48-51页 |
| 5 心理状态判断模型的建立及验证 | 第51-57页 |
| 5.1 心理状态模型建立流程 | 第51页 |
| 5.2 心理状态判断模型建立与验证 | 第51-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者攻读学位期间发表学术论文清单 | 第63-65页 |
| 致谢 | 第65页 |
