独立分量分析在脑—机接口中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·脑-机接口的概念及系统结构 | 第10-11页 |
| ·脑-机接口的发展历程与研究现状 | 第11-13页 |
| ·脑-机接口研究存在的问题及展望 | 第13-14页 |
| ·独立分量分析 | 第14-15页 |
| ·论文的主要工作和内容安排 | 第15-18页 |
| 第二章 脑-机接口的基本知识 | 第18-40页 |
| ·BCI的输入信号 | 第18-20页 |
| ·BCI信号的特征提取 | 第20-24页 |
| ·AR模型 | 第21-22页 |
| ·二阶矩能量 | 第22-24页 |
| ·BCI信号的分类识别 | 第24-30页 |
| ·BP神经网络 | 第24-26页 |
| ·线性分类器(LDA) | 第26-27页 |
| ·支持向量机 | 第27-30页 |
| ·BCI自主实验设计和数据采集 | 第30-38页 |
| ·实验采集仪器 | 第30-33页 |
| ·实验电极安放位置 | 第33-34页 |
| ·实验设计与采集 | 第34-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 独立分量分析算法 | 第40-76页 |
| ·ICA和BSS | 第40-41页 |
| ·ICA算法思想概述 | 第41-42页 |
| ·Herault-Jutten算法 | 第42-45页 |
| ·Cichocki-Unbehauen算法 | 第45-48页 |
| ·扩展Infomax算法 | 第48-50页 |
| ·峭度极大ICA算法 | 第50-53页 |
| ·批处理算法 | 第50-52页 |
| ·在线算法 | 第52-53页 |
| ·批处理算法和在线算法的性能对比 | 第53-61页 |
| ·滑动窗在线ICA算法 | 第61-70页 |
| ·滑动窗在线算法基本思想 | 第61-62页 |
| ·非时变混合模型下的算法分析 | 第62-64页 |
| ·时变混合模型下的算法分析 | 第64-70页 |
| ·滑动窗在线ICA算法在信号包络检测中的应用 | 第70-75页 |
| ·本章小结 | 第75-76页 |
| 第四章 脑-机接口的离线分析 | 第76-94页 |
| ·Hilbert-Huang变换 | 第76-80页 |
| ·固有模态函数(IMF) | 第76-77页 |
| ·经验模态分解法(EMD) | 第77-78页 |
| ·Hilbert谱分析 | 第78-80页 |
| ·非线性能量算子 | 第80-83页 |
| ·能量算子的概念 | 第80-81页 |
| ·瞬时幅度和瞬时频率的检测 | 第81-83页 |
| ·HHT在脑-机接口中的应用 | 第83-93页 |
| ·基于EMD的SSVEP的特征提取 | 第83-86页 |
| ·基于HHT的运动想象脑电的μ节律提取 | 第86-93页 |
| ·本章小结 | 第93-94页 |
| 第五章 基于ICA的脑-机接口在线分析 | 第94-120页 |
| ·在线ICA在运动想象特征提取和分类的应用 | 第94-115页 |
| ·可行性分析 | 第94-105页 |
| ·BCI竞赛数据的分类识别 | 第105-112页 |
| ·自主实验数据的分类识别 | 第112-115页 |
| ·在线ICA在α波检测中的应用 | 第115-119页 |
| ·本章小结 | 第119-120页 |
| 第六章 总结和展望 | 第120-124页 |
| ·论文工作总结 | 第120-121页 |
| ·未来工作展望 | 第121-124页 |
| 参考文献 | 第124-134页 |
| 附录 图表索引 | 第134-138页 |
| 致谢 | 第138-139页 |
| 攻读学位期间发表的论文 | 第139-140页 |
