心算负载任务对事件相关电位信号特征影响的研究
| 中文摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 一、绪论 | 第11-21页 |
| 1.1 基于EEG的脑机接 | 第11-16页 |
| 1.1.1 脑机接.的概念与应用 | 第11-13页 |
| 1.1.2 脑-机接口的分类 | 第13-14页 |
| 1.1.3 基于EEG的脑机接.的研究进展 | 第14-16页 |
| 1.2 事件相关电位 | 第16-19页 |
| 1.2.1 事件相关电位的定义及成分 | 第16-17页 |
| 1.2.2 P300脑电信号 | 第17-19页 |
| 1.3 心算 | 第19-20页 |
| 1.3.1 心算的定义 | 第19页 |
| 1.3.2 心算过程中典型的ERP效应 | 第19-20页 |
| 1.4.论文的研究内容及目的 | 第20-21页 |
| 二、ERP实验范式设计与实现 | 第21-28页 |
| 2.1 ERP实验范式设计 | 第21-24页 |
| 2.1.1 简单计数心算任务 | 第21-22页 |
| 2.1.2 随机数字心算任务 | 第22页 |
| 2.1.3 汉字数字笔画心算任务 | 第22-24页 |
| 2.2 ERP实验范式数据采集 | 第24-25页 |
| 2.3 数据预处理 | 第25-28页 |
| 2.3.1 基线干扰去除 | 第25-26页 |
| 2.3.2 眼电干扰去除 | 第26-27页 |
| 2.3.3 滤波 | 第27-28页 |
| 三、脑电信号特征提取 | 第28-44页 |
| 3.1 时域分析 | 第28-35页 |
| 3.1.1 时域相干平均 | 第28-29页 |
| 3.1.2 事件相关电位脑地形图 | 第29-31页 |
| 3.1.3 事件相关电位潜伏期特征 | 第31-33页 |
| 3.1.4 事件相关电位幅值特征 | 第33-35页 |
| 3.2 频域分析 | 第35-38页 |
| 3.2.1 格兰杰因果关系分析 | 第35-36页 |
| 3.2.2 频域脑网络 | 第36-38页 |
| 3.3 复杂度分析 | 第38-44页 |
| 3.3.1 样本熵的基本概念 | 第38-39页 |
| 3.3.2 复杂度特征提取 | 第39-44页 |
| 四、脑电信号特征分类 | 第44-49页 |
| 4.1 支持向量机的概述 | 第44-47页 |
| 4.2 基于波幅的ERP分类 | 第47-48页 |
| 4.3 基于样本熵的ERP分类 | 第48-49页 |
| 五、结论 | 第49-51页 |
| 六、讨论 | 第51-54页 |
| 6.1 实验误差 | 第51页 |
| 6.1.1 数据采集 | 第51页 |
| 6.1.2 数据处理 | 第51页 |
| 6.2 全文工作总结 | 第51-52页 |
| 6.3 未来工作展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 综述 | 第61-68页 |
| 综述参考文献 | 第66-68页 |
| 致谢 | 第68页 |
