基于EEG和fNIRS的运动想象信号分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10页 |
| 1.2 脑机接口 | 第10-14页 |
| 1.2.1 脑机接口的组成 | 第10-12页 |
| 1.2.2 脑机接口的种类 | 第12页 |
| 1.2.3 多模态脑机接口 | 第12-14页 |
| 1.3 脑机接口的应用研究 | 第14-18页 |
| 1.3.1 脑机接口的应用 | 第14-17页 |
| 1.3.2 脑机接口的现状及问题 | 第17-18页 |
| 1.4 本文研究内容 | 第18-20页 |
| 第2章 脑电信号和近红外信号 | 第20-32页 |
| 2.1 脑电信号概述 | 第20-22页 |
| 2.1.1 大脑结构及功能分区 | 第20-21页 |
| 2.1.2 脑电信号的产生 | 第21-22页 |
| 2.1.3 脑电信号的特点 | 第22页 |
| 2.2 近红外信号概述 | 第22-24页 |
| 2.2.1 近红外信号的产生原理 | 第23-24页 |
| 2.2.2 近红外信号与血氧信号的转化 | 第24页 |
| 2.3 信号联合采集 | 第24-31页 |
| 2.3.1 实验设备 | 第24-27页 |
| 2.3.2 同步采集设计 | 第27-30页 |
| 2.3.3 实验范式设计 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 多模态信号预处理 | 第32-41页 |
| 3.1 EEG信号的消噪 | 第32-35页 |
| 3.1.1 小波阈值去噪 | 第32-35页 |
| 3.2 经验模态分解 | 第35-37页 |
| 3.2.1 本征模态函数 | 第35页 |
| 3.2.2 EMD和EEMD分解 | 第35-37页 |
| 3.3 EEMD联合改进小波阈值去噪法 | 第37页 |
| 3.4 EEG数据处理 | 第37-40页 |
| 3.5 fNIRS信号的处理 | 第40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 多模态信号的特征提取 | 第41-46页 |
| 4.1 CSP特征提取算法 | 第41-42页 |
| 4.2 基于R-CSP的特征提取 | 第42-43页 |
| 4.3 实验结果分析 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 多模态信号的模式分类 | 第46-57页 |
| 5.1 常用的模式分类方法 | 第46-47页 |
| 5.2 支持向量机模式分类 | 第47-49页 |
| 5.2.1 线性支持向量机 | 第47-49页 |
| 5.2.2 非线性支持向量机 | 第49页 |
| 5.2.3 支持向量机的参数优化 | 第49页 |
| 5.3 人工鱼群算法 | 第49-52页 |
| 5.4 改进的AFSA-SVM分类器 | 第52-53页 |
| 5.5 实验数据模式分类分析 | 第53-55页 |
| 5.6 多模态信号分析 | 第55-56页 |
| 5.7 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |
