脑电疲劳监测系统的建模及其硬件实现
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·本文研究内容 | 第11-13页 |
| ·疲劳监测系统模型分析 | 第11-12页 |
| ·疲劳监测系统硬件实现 | 第12-13页 |
| ·文章组织结构 | 第13-14页 |
| 第二章 脑电及其研究方法学概述 | 第14-20页 |
| ·脑电信号 | 第14-15页 |
| ·脑电的发现 | 第14页 |
| ·脑电信号的分类 | 第14-15页 |
| ·脑电分析方法学介绍 | 第15-19页 |
| ·时域分析法 | 第16页 |
| ·频域分析法 | 第16-17页 |
| ·非线性动力学方法 | 第17-18页 |
| ·信息学研究方法 | 第18页 |
| ·脑电复杂度 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 疲劳监测系统建模与实验分析 | 第20-44页 |
| ·脑电疲劳监测系统模型的建立 | 第20-21页 |
| ·非线性特征值提取 | 第21-24页 |
| ·C0复杂度 | 第21-22页 |
| ·Kc复杂度 | 第22-23页 |
| ·Ap En近似熵 | 第23-24页 |
| ·Alpha波小波包功率谱百分比 | 第24-28页 |
| ·小波包变换 | 第25-26页 |
| ·Mallat算法 | 第26-28页 |
| ·神经网络分类器设计 | 第28-34页 |
| ·HME分层混合专家神经网络 | 第28-30页 |
| ·EM算法 | 第30-31页 |
| ·BP神经网络 | 第31-33页 |
| ·动量梯度算法 | 第33-34页 |
| ·模型实验与结论 | 第34-43页 |
| ·非线性特征提取实验 | 第35-36页 |
| ·Alpha波功率谱百分比实验 | 第36-39页 |
| ·HME分类器实验 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 疲劳监测系统硬件实现 | 第44-60页 |
| ·脑电采集电路设计 | 第44-50页 |
| ·脑电特征 | 第44-45页 |
| ·电路设计要求 | 第45页 |
| ·硬件电路设计 | 第45-50页 |
| ·基于ARM9的脑电疲劳监测系统上位机验证 | 第50-56页 |
| ·开发平台与环境介绍 | 第50-51页 |
| ·应用程序开发流程 | 第51-53页 |
| ·硬件系统 | 第53-56页 |
| ·基于Android的头戴式脑电疲劳监测系统实现 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64页 |
