基于脑电信号的在线疲劳监测算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-10页 |
| 表格索引 | 第10-11页 |
| 插图索引 | 第11-13页 |
| 主要符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| ·研究意义及目的 | 第14-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·基于表情特征 | 第15-16页 |
| ·基于生理特征 | 第16-17页 |
| ·基于行为特征 | 第17-18页 |
| ·主要工作及创新 | 第18页 |
| ·论文安排 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 脑电信号与疲劳 | 第20-32页 |
| ·脑电信号简介 | 第20-22页 |
| ·脑电信号基本特征 | 第22-23页 |
| ·脑电信号的采集 | 第23-25页 |
| ·脑电信号与疲劳的关系 | 第25-26页 |
| ·基于脑电信号疲劳监测的主要步骤和相关技术 | 第26-31页 |
| ·降噪去伪迹 | 第27-28页 |
| ·特征提取 | 第28-29页 |
| ·特征过滤 | 第29-30页 |
| ·特征降维与选择 | 第30页 |
| ·疲劳监测算法 | 第30-31页 |
| ·疲劳标记 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于脑电信号的疲劳监测算法研究 | 第32-58页 |
| ·实验设计及数据采集 | 第32-35页 |
| ·实验设备 | 第32-34页 |
| ·实验流程 | 第34-35页 |
| ·实验数据 | 第35页 |
| ·数据处理流程 | 第35-36页 |
| ·预处理及脑区选择 | 第36-39页 |
| ·去噪预处理 | 第37-38页 |
| ·脑区选择 | 第38-39页 |
| ·特征提取 | 第39-41页 |
| ·基于傅里叶变换的特征提取方法 | 第39-40页 |
| ·对数功率谱密度与微分熵 | 第40-41页 |
| ·倍数化特征 | 第41页 |
| ·特征平滑过滤 | 第41-44页 |
| ·滑动平均方法 | 第42页 |
| ·线性动力系统 | 第42-44页 |
| ·特征选择 | 第44-46页 |
| ·基于主成分分析的特征降维 | 第45页 |
| ·基于相关系数的特征选择 | 第45-46页 |
| ·动态特征提取 | 第46-48页 |
| ·疲劳监测算法 | 第48-55页 |
| ·鲁棒最小二乘模型 | 第49-51页 |
| ·基于马氏距离的半监督回归模型 | 第51-52页 |
| ·基于并联隐马尔科夫模型及模糊积分的分类模型 | 第52-55页 |
| ·疲劳标记 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第四章 结果及分析 | 第58-66页 |
| ·特征提取算法对比分析 | 第58-61页 |
| ·倍数化特征的对比分析 | 第58-60页 |
| ·动态特征的对比分析 | 第60-61页 |
| ·疲劳监测算法对比分析 | 第61-65页 |
| ·隐马尔科夫模型的对比分析 | 第61-63页 |
| ·分类器融合算法 | 第63-64页 |
| ·与现有算法的比较 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-70页 |
| ·主要结论 | 第66-67页 |
| ·研究展望 | 第67-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77页 |
