| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 脑机接口简介 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 视觉驱动电势系统研究现状 | 第12-13页 |
| 1.2.2 事件相关电位系统研究现状 | 第13-14页 |
| 1.2.3 慢皮层电位系统研究现状 | 第14页 |
| 1.2.4 事件相关同步/去同步系统研究现状 | 第14-15页 |
| 1.2.5 BCI研究现状中存在的问题 | 第15-16页 |
| 1.3 研究内容与论文组织结构 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 论文组织结构 | 第16-18页 |
| 第2章 脑电信号采集及预处理 | 第18-30页 |
| 2.1 脑机接口生理基础 | 第18-21页 |
| 2.1.1 人脑结构及皮质层分区 | 第18-19页 |
| 2.1.2 脑电信号分类 | 第19-20页 |
| 2.1.3 事件相关同步/去同步现象 | 第20-21页 |
| 2.2 脑电信号分析方法 | 第21-22页 |
| 2.3 脑电信号采集 | 第22-23页 |
| 2.4 脑电信号预处理 | 第23-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于深度学习的脑电信号分类算法研究 | 第30-58页 |
| 3.1 深度学习主要方法 | 第30-38页 |
| 3.1.1 卷积神经网络 | 第30-34页 |
| 3.1.2 循环神经网络 | 第34-38页 |
| 3.2 基于CNN的脑电信号分类 | 第38-49页 |
| 3.2.1 CNN分类器设计与训练 | 第38-43页 |
| 3.2.2 实验结果与分析 | 第43-49页 |
| 3.3 基于LSTM的脑电信号分类 | 第49-56页 |
| 3.3.1 LSTM分类器设计与训练 | 第49-52页 |
| 3.3.2 实验结果与分析 | 第52-56页 |
| 3.4 本章小结 | 第56-58页 |
| 第4章 综合时-频-空域特征的脑电信号分类算法研究 | 第58-72页 |
| 4.1 综合时-频-空域特征的脑电信号分类算法 | 第58-59页 |
| 4.2 分类器设计与训练 | 第59-66页 |
| 4.3 实验结果与分析 | 第66-71页 |
| 4.4 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-82页 |
| 致谢 | 第82页 |