| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-25页 |
| 1.1 脑电信号概述 | 第10-17页 |
| 1.1.1 脑电信号概念和原理 | 第10-12页 |
| 1.1.2 脑电信号的分类与特性 | 第12-14页 |
| 1.1.3 脑电信号的发展历史和研究现状 | 第14-17页 |
| 1.2 脑机接口概述 | 第17-23页 |
| 1.2.1 脑机接口的概念和原理 | 第17-18页 |
| 1.2.2 脑机接口的分类与特性 | 第18-21页 |
| 1.2.3 脑机接口历史发展和研究现状 | 第21-23页 |
| 1.3 本文研究内容 | 第23-25页 |
| 第二章 运动想象脑电信号现代分析方法 | 第25-40页 |
| 2.1 运动想象脑电信号特征提取算法概述 | 第25页 |
| 2.2 经典方法的改进算法 | 第25-32页 |
| 2.2.1 离散小波变换的改进 | 第25-26页 |
| 2.2.2 经验模式分解的改进 | 第26-29页 |
| 2.2.3 公共空间模式分解的改进 | 第29-32页 |
| 2.3 多种方法的组合算法 | 第32-38页 |
| 2.3.1 经典方法之间的组合 | 第32-34页 |
| 2.3.2 经典法和统计学量的组合 | 第34-35页 |
| 2.3.3 各类熵 | 第35-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 公共空间模式算法结合EMD的脑电信号特征提取 | 第40-53页 |
| 3.1 数据集描述 | 第40-41页 |
| 3.2 基于改进CSP算法的特征提取方法 | 第41-45页 |
| 3.2.1 经验模式分解 | 第42页 |
| 3.2.2 公共空间模式分解算法 | 第42-44页 |
| 3.2.3 改进的CSP滤波算法 | 第44页 |
| 3.2.4 频域能量分析 | 第44-45页 |
| 3.3 数据集处理过程与结果分析 | 第45-52页 |
| 3.3.1 数据预处理 | 第45-46页 |
| 3.3.2 EMD分解与频段筛选 | 第46-48页 |
| 3.3.3 改进的CSP滤波 | 第48-49页 |
| 3.3.4 结果与比较 | 第49-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 左右手运动想象的实验设计与数据处理 | 第53-62页 |
| 4.1 脑电信号采集系统 | 第53-56页 |
| 4.1.1 电极帽 | 第53-54页 |
| 4.1.2 SynAmps放大器 | 第54-55页 |
| 4.1.3 Curry7软件 | 第55-56页 |
| 4.1.4 EEGLAB平台 | 第56页 |
| 4.2 运动想象实验设计 | 第56-58页 |
| 4.3 实验数据处理 | 第58-61页 |
| 4.3.1 数据预处理 | 第58-59页 |
| 4.3.2 实验数据分析与比较 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 基于改进CSP算法的特征优化 | 第62-86页 |
| 5.1 基于S变换的空间滤波器成分选择算法优化 | 第62-68页 |
| 5.1.1 S变换 | 第62-63页 |
| 5.1.2 基于S变换的公共空间滤波器成分选择算法 | 第63-68页 |
| 5.2 CSP结合EEMD的联合特征 | 第68-71页 |
| 5.2.1 EEMD概述 | 第68-69页 |
| 5.2.2 数据分析 | 第69-71页 |
| 5.3 CSP结合双谱的联合特征 | 第71-77页 |
| 5.3.1 双谱特征概述 | 第71-73页 |
| 5.3.2 数据分析 | 第73-77页 |
| 5.4 特征降维 | 第77-80页 |
| 5.5 特征识别过程优化 | 第80-84页 |
| 5.5.1 SVM的内核参数优化 | 第80-83页 |
| 5.5.2 LDA线性判别分析 | 第83-84页 |
| 5.6 本章小结 | 第84-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 全文总结 | 第86-87页 |
| 6.2 工作展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第92-93页 |
| 附录2 攻读硕士学位期间申请的专利 | 第93-94页 |
| 致谢 | 第94页 |