基于运动想象的脑—机接口系统模式识别算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-33页 |
| ·BCI的定义和组成 | 第17-18页 |
| ·BCI的类型和特点 | 第18-22页 |
| ·BCI技术的发展 | 第22-23页 |
| ·BCI技术的应用前景 | 第23-25页 |
| ·BCI信号的生理背景及其模式识别算法的研究现状 | 第25-31页 |
| ·EEG信号的采集 | 第25-26页 |
| ·脑电信号的生理背景和特点 | 第26-29页 |
| ·BCI信号模式识别算法的研究现状 | 第29-31页 |
| ·本文的研究内容 | 第31-33页 |
| 第二章 基于邻域关系提取MRPs特征 | 第33-45页 |
| ·运动想象的神经生理背景 | 第33-35页 |
| ·MRP特征提取算法介绍 | 第35-37页 |
| ·邻域空间模式算法（NSP） | 第37-40页 |
| ·算法介绍 | 第37-40页 |
| ·NSP算法总结和优势分析 | 第40页 |
| ·实验结果及分析 | 第40-44页 |
| ·BCI 竞赛2003 数据IV实验 | 第41-42页 |
| ·BCI竞赛2001 数据I实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 自适应提取MRPs特征 | 第45-56页 |
| ·引言 | 第45-46页 |
| ·自适应判别空间滤波算法 | 第46-50页 |
| ·算法原理 | 第46-49页 |
| ·性能分析 | 第49-50页 |
| ·实验结果及分析 | 第50-54页 |
| ·BCI 竞赛2001 数据I实验 | 第51-53页 |
| ·BCI竞赛2003 数据IV 实验 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 时空提取EEG信号分类特征 | 第56-74页 |
| ·针对ERD/ERS的广义时空模式提取算法 | 第56-67页 |
| ·ERD/ERS现象的特性 | 第56-58页 |
| ·已有的ERD/ERS特征提取算法 | 第58-60页 |
| ·ERD/ERS的广义时空模式提取算法 | 第60-65页 |
| ·实验结果和分析 | 第65-67页 |
| ·针对MRPS的广义时空提取算法 | 第67-73页 |
| ·引言 | 第67页 |
| ·算法描述 | 第67-71页 |
| ·实验结果分析 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 BCI系统的半监督学习方法 | 第74-99页 |
| ·半监督学习 | 第74-77页 |
| ·希尔伯特-黄变换 | 第77-81页 |
| ·BCI系统基于特征联合的半监督学习算法 | 第81-93页 |
| ·BCI模式识别和半监督学习 | 第81-84页 |
| ·基于联合特征的半监督学习(FCSSL) | 第84-89页 |
| ·实验 | 第89-92页 |
| ·结语 | 第92-93页 |
| ·MRPs 的半监督特征提取算法 | 第93-97页 |
| ·引言 | 第93-94页 |
| ·算法描述 | 第94-96页 |
| ·实验分析 | 第96-97页 |
| ·本节小结 | 第97页 |
| ·本章小结 | 第97-99页 |
| 第六章 异步脑-机接口的空闲状态检测新方法 | 第99-109页 |
| ·异步BCI系统的模式识别 | 第99-100页 |
| ·已有的Idle状态检测方法 | 第100-101页 |
| ·一种新的空闲状态检测方法 | 第101-104页 |
| ·数据描述和分析 | 第101-102页 |
| ·特征提取 | 第102页 |
| ·Idle状态检测算法描述 | 第102-104页 |
| ·实验分析 | 第104-107页 |
| ·本章小结 | 第107-109页 |
| 结论 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 攻读博士学位期间取得的研究成果 | 第123-125页 |
| 致谢 | 第125页 |
