| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| 第一节 研究背景及研究意义 | 第8-10页 |
| 第二节 国内外研究概况 | 第10-12页 |
| 第三节 存在的主要问题 | 第12页 |
| 第四节 EEG研究与教育技术发展相互促进 | 第12-15页 |
| ·教育技术促进EEG研究 | 第13页 |
| ·EEG的研究促进了教育技术的发展 | 第13-15页 |
| 第五节 全文结构概述及研究内容 | 第15-16页 |
| 第二章 EEG信号概述 | 第16-28页 |
| 第一节 脑电图综述 | 第16-19页 |
| ·脑电图 | 第16页 |
| ·EEG信号的分类 | 第16-18页 |
| ·EEG信号的特点 | 第18-19页 |
| 第二节 EEG信号的获取 | 第19-23页 |
| ·脑电图仪与导联方式 | 第19-21页 |
| ·影响脑电图的因素 | 第21-23页 |
| 第三节 脑电图干扰和噪声原因分析 | 第23-24页 |
| 第四节 EEG信号的处理 | 第24-28页 |
| ·消噪预处理方法 | 第24-25页 |
| ·EEG信号的特征提取 | 第25-26页 |
| ·EEG信号的分类方法 | 第26-28页 |
| 第三章 EEG信号的现代分析方法综述 | 第28-39页 |
| 第一节 EEG信号的时域分析 | 第28页 |
| 第二节 EEG信号的频域分析 | 第28-36页 |
| ·功率谱估计 | 第29页 |
| ·AR参数模型谱估计 | 第29-35页 |
| ·双谱分析 | 第35-36页 |
| 第三节 时/频域分析方法 | 第36页 |
| 第四节 非线性动力学 | 第36-37页 |
| 第五节 人工神经网络 | 第37-38页 |
| ·反向传播网络 | 第37-38页 |
| ·小波神经网络(小波网络) | 第38页 |
| 第六节 其他方法 | 第38-39页 |
| 第四章 基于神经网络的EEG信号分类方法 | 第39-57页 |
| 第一节 数据来源 | 第39-44页 |
| ·EEG信号预处理 | 第40-41页 |
| ·特征提取 | 第41-44页 |
| ·样本预处理 | 第44页 |
| 第二节 BP分类算法 | 第44-53页 |
| ·BP算法 | 第45-46页 |
| ·BP网络结构 | 第46-49页 |
| ·Matlab中的BP网络设计 | 第49-53页 |
| 第三节 PNN分类算法 | 第53-54页 |
| ·PNN概述 | 第53-54页 |
| ·实验方法及结果 | 第54页 |
| 第四节 实验结果分析 | 第54-57页 |
| 第五章 基于神经网络的光标上下移动EEG信号分类方法 | 第57-63页 |
| 第一节 数据来源 | 第57-58页 |
| 第二节 数据处理 | 第58-59页 |
| ·预处理及频域特征提取 | 第58-59页 |
| ·BP网络设计 | 第59页 |
| 第三节 网络训练与测试 | 第59-61页 |
| 第四节 总结和展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 在学期间发表的学术论文 | 第68页 |