| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·脑电假肢的研究现状 | 第13-14页 |
| ·常用的脑电信号处理方法 | 第14-22页 |
| ·特征提取方法 | 第14-20页 |
| ·时域分析 | 第15页 |
| ·频域分析 | 第15-17页 |
| ·时频分析 | 第17-19页 |
| ·非线性动力学分析 | 第19-20页 |
| ·模式分类方法 | 第20-22页 |
| ·线性判别式分析 | 第20页 |
| ·人工神经网络 | 第20-21页 |
| ·支持向量机 | 第21页 |
| ·空间模型分析 | 第21-22页 |
| ·本文研究内容 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第2章 脑电信号的采集与预处理 | 第23-37页 |
| ·脑电信号的采集 | 第23-27页 |
| ·脑电信号的产生机理 | 第23-24页 |
| ·脑电信号的分类 | 第24-25页 |
| ·诱发脑电信号 | 第24页 |
| ·自发脑电信号 | 第24-25页 |
| ·脑电信号控制假手的可行性分析 | 第25-26页 |
| ·脑电极的导联方法 | 第26-27页 |
| ·脑电信号的特点 | 第27-28页 |
| ·二代小波变换与盲信号分离对脑电信号的预处理 | 第28-36页 |
| ·二代小波变换的基本原理 | 第28-30页 |
| ·二代小波的消噪过程及阈值选取方法 | 第30-31页 |
| ·二代小波对信号的消噪过程 | 第30页 |
| ·二代小波的阈值选取 | 第30-31页 |
| ·盲信号分离 | 第31-33页 |
| ·ICA 模型 | 第31-32页 |
| ·噪声ICA | 第32页 |
| ·FastICA 算法原理 | 第32-33页 |
| ·实验结果与分析 | 第33-36页 |
| ·二代小波消噪 | 第33-35页 |
| ·盲信号分离 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 脑电信号的特征提取 | 第37-50页 |
| ·混沌的特点及脑电信号中的混沌特性 | 第37-38页 |
| ·脑电信号的混沌特征提取 | 第38-44页 |
| ·最大Lyapunov 指数 | 第38-42页 |
| ·改进的小数据量法 | 第38-39页 |
| ·C-C 方法求嵌入维数m 及时间延迟τ | 第39-42页 |
| ·关联维数 | 第42-44页 |
| ·脑电信号的小波包变换特征提取 | 第44-48页 |
| ·小波包定义 | 第44页 |
| ·小波包分解 | 第44-45页 |
| ·小波包频带划分 | 第45-46页 |
| ·小波包变换特征提取 | 第46-48页 |
| ·脑电信号的混沌分析和小波包变换特征向量 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于脑电信号的SVM 模式识别与假手控制 | 第50-58页 |
| ·统计学习理论简介 | 第50-51页 |
| ·支持向量机原理 | 第51-54页 |
| ·先聚类后分类的二叉树多类算法 | 第54-55页 |
| ·分类识别实验 | 第55-56页 |
| ·脑电信号控制假手的系统组成 | 第56-57页 |
| ·脑电信号处理流程图 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第5章 实验设计与识别结果分析 | 第58-67页 |
| ·实验设计基础 | 第58页 |
| ·实验设计 | 第58-61页 |
| ·实验技术信息 | 第59-61页 |
| ·实验采集过程 | 第61页 |
| ·睁眼和闭眼等辅助手部动作的脑电信号之间差异性分析 | 第61-63页 |
| ·实验采集脑电信号的分析及采用的预处理措施 | 第63-65页 |
| ·识别结果与分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·本文工作总结 | 第67-68页 |
| ·研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75页 |