基于运动想象EEG信号的特征提取研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 脑-机接口 | 第9-14页 |
| 1.1.1 脑-机接口的概念和意义 | 第9-10页 |
| 1.1.2 脑-机接口的系统结构和关键技术 | 第10-12页 |
| 1.1.3 脑-机接口的分类 | 第12-14页 |
| 1.2 脑-机接口的发展现状 | 第14-17页 |
| 1.2.1 脑-机接口技术国内外研究现状 | 第14-16页 |
| 1.2.2 脑-机接口技术的未来发展方向 | 第16-17页 |
| 1.3 本章主要内容和论文结构安排 | 第17-19页 |
| 1.3.1 本章主要内容 | 第17页 |
| 1.3.2 论文的结构安排 | 第17-19页 |
| 第二章 相关研究基础 | 第19-42页 |
| 2.1 大脑的结构与分区 | 第19-20页 |
| 2.1.1 大脑的结构 | 第19-20页 |
| 2.1.2 大脑的分区 | 第20页 |
| 2.2 脑电信号的产生原理和类型 | 第20-25页 |
| 2.2.1 脑电信号的产生原理 | 第20-22页 |
| 2.2.2 脑电信号的类型 | 第22-25页 |
| 2.3 常用特征提取方法及原理 | 第25-35页 |
| 2.3.1 用能量特征探测ERD现象 | 第25-26页 |
| 2.3.2 时域分析方法 | 第26页 |
| 2.3.3 频域分析方法 | 第26-28页 |
| 2.3.4 时频分析方法 | 第28-31页 |
| 2.3.5 基于模型的分析方法 | 第31-33页 |
| 2.3.6 非线性动力学分析方法 | 第33-35页 |
| 2.4 常见分类方法及原理 | 第35-41页 |
| 2.4.1 线性判别分析 | 第35-37页 |
| 2.4.2 朴素贝叶斯分类 | 第37页 |
| 2.4.3 支持向量机 | 第37-39页 |
| 2.4.4 人工神经网络 | 第39-40页 |
| 2.4.5 K近邻算法 | 第40-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 实验设计与数据描述 | 第42-51页 |
| 3.1 脑电信号采集系统简介 | 第42-46页 |
| 3.1.1 刺激系统 | 第42-43页 |
| 3.1.2 采集系统 | 第43-46页 |
| 3.2 运动想象实验设计 | 第46-47页 |
| 3.2.1 刺激界面编写 | 第46-47页 |
| 3.2.2 实验方案及改进 | 第47页 |
| 3.3 比较实验标准数据 | 第47-48页 |
| 3.4 数据预处理 | 第48-50页 |
| 3.4.1 去除伪迹 | 第48-50页 |
| 3.4.2 带通滤波 | 第50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于排列组合熵的特征提取方法 | 第51-59页 |
| 4.1 排列组合熵 | 第51-54页 |
| 4.2 混合排列组合熵算法 | 第54-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 基于ERD能量和累积能量的特征提取方法 | 第59-67页 |
| 5.1 ERD能量特征 | 第59-62页 |
| 5.1.1 ERD能量的计算 | 第59-60页 |
| 5.1.2 结果分析 | 第60-62页 |
| 5.2 累积能量特征 | 第62-64页 |
| 5.2.1 累积能量的计算 | 第62页 |
| 5.2.2 结果分析 | 第62-64页 |
| 5.3 基于ERD能量和累积能量的特征提取方法 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 致谢 | 第73页 |
