| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 康复运动中脑电和肌电信号分析技术研究现状 | 第12-18页 |
| 1.2.1 运动想象脑机接口技术研究及应用 | 第12-15页 |
| 1.2.2 肌电信号分析方法研究现状 | 第15-16页 |
| 1.2.3 脑肌电信号融合分析方法研究现状 | 第16-17页 |
| 1.2.4 脑肌电信号同步分析方法研究及应用 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-20页 |
| 第2章 脑肌电信号采集及预处理 | 第20-28页 |
| 2.1 脑电信号产生机理及特点 | 第20-21页 |
| 2.2 脑电信号采集及预处理 | 第21-25页 |
| 2.2.1 脑电信号采集 | 第21-23页 |
| 2.2.2 自适应滤波器 | 第23-24页 |
| 2.2.3 独立分量分析 | 第24-25页 |
| 2.3 肌电信号产生原理及特点 | 第25-26页 |
| 2.4 肌电信号采集及预处理 | 第26-27页 |
| 2.4.1 肌电信号采集 | 第26-27页 |
| 2.4.2 肌电信号预处理 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于粒子群优化-支持向量机的脑肌电特征融合方法研究 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 信息融合基本方法 | 第28-29页 |
| 3.3 脑电信号特征提取 | 第29-31页 |
| 3.4 肌电信号特征提取 | 第31页 |
| 3.5 基于粒子群优化-支持向量机的脑肌电融合模型 | 第31-37页 |
| 3.5.1 基于粒子群优化算法的融合系数寻优 | 第32-33页 |
| 3.5.2 基于支持向量机的模式识别与代价函数构建 | 第33-35页 |
| 3.5.3 基于粒子群优化-支持向量机的特征层融合模型 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 脑肌电同步分析方法研究 | 第38-47页 |
| 4.1 引言 | 第38页 |
| 4.2 一致性分析 | 第38-40页 |
| 4.2.1 一致性算法 | 第38页 |
| 4.2.2 一致性显著面积 | 第38-39页 |
| 4.2.3 仿真分析 | 第39-40页 |
| 4.3 格兰杰因果分析 | 第40-43页 |
| 4.3.1 频域格兰杰因果 | 第40-41页 |
| 4.3.2 格兰杰因果显著面积 | 第41-42页 |
| 4.3.3 仿真分析 | 第42-43页 |
| 4.4 时频传递熵分析 | 第43-46页 |
| 4.4.1 传递熵分析 | 第43-44页 |
| 4.4.2 时频传递熵分析 | 第44页 |
| 4.4.3 仿真分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 脑肌电融合及同步分析实验研究 | 第47-70页 |
| 5.1 引言 | 第47页 |
| 5.2 基于脑肌电融合的手腕屈伸运动模式识别 | 第47-56页 |
| 5.2.1 数据采集及预处理 | 第47-48页 |
| 5.2.2 结果分析 | 第48-55页 |
| 5.2.3 结论与讨论 | 第55-56页 |
| 5.3 不同握力下脑肌电同步分析 | 第56-68页 |
| 5.3.1 数据采集及预处理 | 第56-57页 |
| 5.3.2 结果分析 | 第57-66页 |
| 5.3.3 结论与讨论 | 第66-68页 |
| 5.4 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78页 |
