基于脑电波信号的身份识别技术
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9页 |
| ·生物特征识别 | 第9-10页 |
| ·脑电波信号及其分类 | 第10-12页 |
| ·课题研究现状 | 第12-14页 |
| ·本文的章节安排 | 第14-15页 |
| 第二章 脑电波信号的预处理 | 第15-25页 |
| ·脑电波信号中的噪声 | 第15页 |
| ·多电极脑电波信号的预处理 | 第15-18页 |
| ·单电极脑电波信号的预处理 | 第18页 |
| ·基于便携式设备采集的脑电波信号的自动去噪 | 第18-25页 |
| ·预处理 | 第20-21页 |
| ·特征提取 | 第21-22页 |
| ·概率模型与分类 | 第22-23页 |
| ·实验结果 | 第23-25页 |
| 第三章 脑电波信号的特征提取 | 第25-38页 |
| ·VEP信号的特征 | 第25-26页 |
| ·自发脑电波的特征 | 第26-32页 |
| ·自回归模型 | 第26-29页 |
| ·功率谱估计 | 第29-32页 |
| ·线性判别分析 | 第32-34页 |
| ·基于身份识别的脑电波信号的特征选择 | 第34-38页 |
| ·Burg AR模型的阶数 | 第35-36页 |
| ·功率谱密度的频率范围 | 第36-38页 |
| 第四章 基于脑电波信号的身份识别系统 | 第38-56页 |
| ·脑电波信号采集 | 第38-40页 |
| ·实验设计 | 第38-40页 |
| ·脑电波数据介绍 | 第40页 |
| ·基于脑电波的身份识别系统 | 第40-45页 |
| ·分类器的选择 | 第41-43页 |
| ·训练信号和测试信号的选择 | 第43-45页 |
| ·识别性能分析 | 第45页 |
| ·外界因素对于脑电波身份识别系统的影响分析 | 第45-52页 |
| ·饮食的影响 | 第46-49页 |
| ·生物钟的影响 | 第49-51页 |
| ·饮食和生物钟的共同影响 | 第51-52页 |
| ·结果分析和讨论 | 第52页 |
| ·多模态身份识别系统的原型设计 | 第52-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文主要工作总结 | 第56-57页 |
| ·本文的不足及对今后研究的展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表或已录用的学术论文 | 第63页 |
