| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 本文的背景及研究意义 | 第10-12页 |
| 1.2 脑机接口的系统组成与分类 | 第12-14页 |
| 1.2.1 脑机接口的概念 | 第12页 |
| 1.2.2 脑机接口系统组成 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-19页 |
| 1.3.1 脑机接口研究现状 | 第14-15页 |
| 1.3.2 脑电信号特征提取算法现状 | 第15-19页 |
| 1.3.3 脑电信号分类识别算法现状 | 第19页 |
| 1.4 存在的问题和面临的挑战 | 第19-21页 |
| 1.5 本文的研究内容 | 第21-22页 |
| 第2章 运动想象脑电信号分析及预处理 | 第22-39页 |
| 2.1 引言 | 第22页 |
| 2.2 脑电信号概述 | 第22-30页 |
| 2.2.1 脑电信号的生理学基础 | 第22-24页 |
| 2.2.2 脑电信号的采集方式 | 第24-27页 |
| 2.2.3 脑电信号的分类 | 第27-29页 |
| 2.2.4 脑电信号的特点 | 第29-30页 |
| 2.3 运动想象脑电信号的分析研究 | 第30-33页 |
| 2.3.1 运动想象脑电信号的基础应用 | 第30页 |
| 2.3.2 实验范式 | 第30-31页 |
| 2.3.4 事件相关同步/去同步 | 第31-33页 |
| 2.4 脑电信号的预处理 | 第33-34页 |
| 2.4.1 空间滤波 | 第33-34页 |
| 2.4.2 频域滤波 | 第34页 |
| 2.5 评价标准 | 第34-37页 |
| 2.5.1 分类正确率/错误率 | 第35-36页 |
| 2.5.2 互信息 | 第36-37页 |
| 2.6 交叉验证 | 第37-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第3章 基于LMD和熵的运动想象脑电信号特征提取与识别 | 第39-56页 |
| 3.1 引言 | 第39页 |
| 3.2 LMD分解 | 第39-45页 |
| 3.2.1 基本原理 | 第39-42页 |
| 3.2.2 端点效应和端点延拓 | 第42-45页 |
| 3.3 PF分量的熵特征提取 | 第45-48页 |
| 3.3.1 能量熵 | 第46-47页 |
| 3.3.2 模糊熵 | 第47页 |
| 3.3.3 多尺度熵 | 第47-48页 |
| 3.4 学习矢量量化神经网络 | 第48-49页 |
| 3.5 脑电信号特征提取识别算法和实验数据 | 第49-51页 |
| 3.6 实验结果与分析 | 第51-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第4章 基于进化算法的运动想象脑机接口频带选择 | 第56-72页 |
| 4.1 引言 | 第56页 |
| 4.2 差分进化算法 | 第56-61页 |
| 4.2.1 DE的基本原理 | 第57-60页 |
| 4.2.2 基于凸二次函数和simgod函数的DE算法 | 第60-61页 |
| 4.3 共空间模式 | 第61-63页 |
| 4.4 线性分类器 | 第63-66页 |
| 4.4.1 分类器原理 | 第63-64页 |
| 4.4.2 分类器设计 | 第64-66页 |
| 4.5 实验数据 | 第66-67页 |
| 4.6 频带优化算法设计 | 第67-68页 |
| 4.7 实验结果与分析 | 第68-71页 |
| 4.8 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第80-81页 |
| 致谢 | 第81页 |