基于脑电的上肢动作识别方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·康复技术的现状和发展趋势 | 第7-8页 |
| ·脑机接口的概念及其在康复中的应用 | 第8-12页 |
| ·脑机接口的概念 | 第8-9页 |
| ·脑机接口的主要类型 | 第9-11页 |
| ·脑机接口的临床应用 | 第11-12页 |
| ·神经解码技术的研究现状 | 第12-13页 |
| ·本文的主要工作及章节安排 | 第13-15页 |
| 第二章 实验系统的搭建设计和实验流程 | 第15-28页 |
| ·实验系统概述 | 第15-16页 |
| ·指示装置的硬件设计 | 第16-22页 |
| ·MCU 的概况和选择 | 第17-19页 |
| ·LCD 的背光驱动电路及控制命令 | 第19-21页 |
| ·LCD 模块的操作 | 第21-22页 |
| ·实验方案 | 第22-26页 |
| ·实验指示方案设计及同步信号的产生 | 第22-24页 |
| ·实验流程设计 | 第24页 |
| ·实验系统参数设定 | 第24-26页 |
| ·指示装置的系统软件实现 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 脑电信号预处理及特征提取的方法和原理 | 第28-40页 |
| ·脑电信号的预处理 | 第28-32页 |
| ·脑电信号的滤波处理 | 第28-30页 |
| ·运动时间的界定和EEG 信号分割 | 第30-32页 |
| ·AR 模型参数 | 第32-35页 |
| ·AR 模型概述 | 第32-33页 |
| ·AR 模型参数估计的典型算法 | 第33-34页 |
| ·计算EEG 信号的AR 模型参数 | 第34-35页 |
| ·各频带的能量 | 第35-36页 |
| ·小波系数 | 第36-39页 |
| ·小波理论 | 第36-37页 |
| ·EEG 小波系数的提取 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 支持向量机及其参数寻优的算法和应用 | 第40-52页 |
| ·支持向量机算法原理 | 第40-45页 |
| ·线性分类器 | 第40-42页 |
| ·非线性分类器 | 第42-43页 |
| ·几何间隔 | 第43-44页 |
| ·支持向量机 | 第44-45页 |
| ·SVM 参数对分类的影响 | 第45-47页 |
| ·粒子群优化算法 | 第47-48页 |
| ·使用SVM 进行动作分类 | 第48-49页 |
| ·使用PSO 进行SVM 的参数寻优 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·课题总结 | 第52-53页 |
| ·课题展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |
