| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 脑科学概述 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 脑机接口技术国内外发展概述 | 第12-15页 |
| 1.2.1 脑机接口概述 | 第12-14页 |
| 1.2.2 脑机接口研究现状 | 第14-15页 |
| 1.3 脑电信号概述 | 第15-18页 |
| 1.3.1 脑电信号的产生与特点 | 第15-16页 |
| 1.3.2 脑电信号主要成分 | 第16-17页 |
| 1.3.3 脑电信号常用分析方法 | 第17-18页 |
| 1.4 本文研究内容与组织架构 | 第18-20页 |
| 第二章 脑电信号识别系统研究与实现 | 第20-54页 |
| 2.1 脑电信号识别流程 | 第20页 |
| 2.2 数据预处理 | 第20-32页 |
| 2.2.1 分频段滤波 | 第21页 |
| 2.2.2 独立成分分析 | 第21-26页 |
| 2.2.3 主成分分析 | 第26-31页 |
| 2.2.4 时间序列分解 | 第31-32页 |
| 2.3 基于共空间模式算法的脑电信号特征提取 | 第32-34页 |
| 2.3.1 相关概念 | 第32页 |
| 2.3.2 共空间模式算法描述 | 第32-34页 |
| 2.4 基于支持向量机的脑电信号特征分类 | 第34-39页 |
| 2.4.1 支持向量机概述 | 第34-35页 |
| 2.4.2 支持向量机算法描述 | 第35-39页 |
| 2.4.3 支持向量机在运动想象脑电信号识别中的应用 | 第39页 |
| 2.5 脑电信号识别系统实现与实验分析 | 第39-50页 |
| 2.5.1 运动想象脑电信号数据描述 | 第39-40页 |
| 2.5.2 实验方案 | 第40-41页 |
| 2.5.3 分频段滤波与ICA处理数据后的识别效果验证 | 第41-44页 |
| 2.5.4 分频段滤波与PCA处理数据后的识别效果验证 | 第44-46页 |
| 2.5.5 时间序列分解与ICA处理数据后的识别效果验证 | 第46-47页 |
| 2.5.6 时间序列分解与PCA处理数据后的识别效果验证 | 第47-48页 |
| 2.5.7 ICA处理数据后的识别效果验证 | 第48-49页 |
| 2.5.8 PCA处理数据后的识别效果验证 | 第49-50页 |
| 2.6 脑电信号识别方法分析与讨论 | 第50-52页 |
| 2.7 本章小结 | 第52-54页 |
| 第三章 基于EEG数据采集区域选择的识别算法 | 第54-70页 |
| 3.1 背景描述 | 第54-55页 |
| 3.1.1 国际 10-20标准采集电极位置 | 第54页 |
| 3.1.2 问题的提出 | 第54-55页 |
| 3.2 STBAR频繁项集挖掘算法 | 第55-57页 |
| 3.2.1 相关概念说明 | 第55-56页 |
| 3.2.2 STBAR算法描述 | 第56-57页 |
| 3.3 基于EEG数据采集区域选择的识别算法 | 第57-60页 |
| 3.3.1 独立成分影响区域中的频繁项集获取 | 第57-59页 |
| 3.3.2 有效数据采集区域选择 | 第59-60页 |
| 3.4 实验 | 第60-67页 |
| 3.4.1 运动想象脑电信号数据描述 | 第60页 |
| 3.4.2 有效性验证 | 第60-65页 |
| 3.4.3 通用性验证 | 第65-67页 |
| 3.5 分析与讨论 | 第67-68页 |
| 3.6 本章小结 | 第68-70页 |
| 第四章 总结与展望 | 第70-72页 |
| 4.1 工作总结 | 第70-71页 |
| 4.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
