基于视觉诱发的P300脑电信号处理算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·脑-机接口的工作原理及基本结构 | 第12-13页 |
| ·脑-机接口国内外研究现状 | 第13-17页 |
| ·诱发EEG脑-机接口 | 第13-15页 |
| ·自发EEG脑-机接口 | 第15-17页 |
| ·论文研究主要内容 | 第17-18页 |
| 第二章 基于视觉诱发的P300脑-机接口 | 第18-26页 |
| ·事件相关电位P300 | 第18-19页 |
| ·P300脑-机接口实验设计和数据获取 | 第19-22页 |
| ·P300脑电信号处理 | 第22-25页 |
| ·小结 | 第25-26页 |
| 第三章 模板相关度匹配P300分类算法 | 第26-43页 |
| ·EEG信号预处理 | 第26-36页 |
| ·EEG信号特征 | 第26-27页 |
| ·低通滤波 | 第27-30页 |
| ·等权平均叠加滤波 | 第30-32页 |
| ·最优加权平均滤波 | 第32-36页 |
| ·传统模板相关度匹配算法 | 第36-40页 |
| ·相关函数及相关系数 | 第36-37页 |
| ·模板匹配实现P300分类 | 第37-40页 |
| ·模板匹配分类算法改进 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于小波分析和支持向量机P300分类算法 | 第43-68页 |
| ·小波分析提取P300信号特征 | 第43-57页 |
| ·小波分析基本理论 | 第43-52页 |
| ·小波分解提取P300特征 | 第52-57页 |
| ·支持向量机分类 | 第57-67页 |
| ·支持向量机基本理论 | 第58-63页 |
| ·支持向量机实现P300信号分类 | 第63-67页 |
| ·小结 | 第67-68页 |
| 总结与展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表论文 | 第74-76页 |
| 致谢 | 第76页 |
