摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-17页 |
1.1 课题研究背景 | 第9-12页 |
1.1.1 发展背景 | 第9-11页 |
1.1.2 课题研究背景 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 国际研究现状 | 第12-14页 |
1.2.2 国内研究现状 | 第14-15页 |
1.3 课题研究的意义 | 第15页 |
1.4 本文的研究内容和组织结构 | 第15-17页 |
第2章 脑机接口与运动想象脑电 | 第17-33页 |
2.1 脑机接口技术概述 | 第17-20页 |
2.1.1 BCI系统构成 | 第17页 |
2.1.2 BCI的评判标准 | 第17-20页 |
2.2 脑电信号生理基础概述 | 第20-27页 |
2.2.1 大脑结构基础 | 第20-22页 |
2.2.2 脑电信号的生理特点 | 第22-23页 |
2.2.3 脑电信号的采集 | 第23-25页 |
2.2.4 脑电信号的频率特性 | 第25-27页 |
2.3 事件相关去同步/同步 | 第27-30页 |
2.3.1 事件相关去同步/同步的含义 | 第27-28页 |
2.3.2 事件相关去同步/同步相关特性 | 第28页 |
2.3.3 ERD和ERS空间分布特点 | 第28-29页 |
2.3.4 ERD和ERS的频率特性 | 第29-30页 |
2.4 运动想象脑电频率特性分析 | 第30-32页 |
2.5 本章小结 | 第32-33页 |
第3章 特征提取及识别算法研究 | 第33-57页 |
3.1 脑电信号预处理方法 | 第33-36页 |
3.1.1 伪迹干扰及去除方法 | 第33-35页 |
3.1.2 电极组合的优化 | 第35-36页 |
3.2 特征提取方法 | 第36-51页 |
3.2.1 常用的特征提取方法简介 | 第37-39页 |
3.2.2 小波变换 | 第39-45页 |
3.2.3 共空间模式特征提取 | 第45-48页 |
3.2.4 主成分分析特征选择 | 第48-51页 |
3.3 识别分类算法 | 第51-56页 |
3.3.1 Fisher线性分类器 | 第51-54页 |
3.3.2 支持向量机 | 第54-56页 |
3.4 本章小结 | 第56-57页 |
第4章 运动想象的脑电识别实验及分析 | 第57-67页 |
4.1 数据来源及说明 | 第57-58页 |
4.2 数据预处理 | 第58-60页 |
4.3 基于PCA的思维脑电分析方法实现 | 第60-62页 |
4.3.1 PCA特征提取思维脑电分析方法实现 | 第60-61页 |
4.3.2 改进的基于PCA的特征提取思维脑电分析方法实现 | 第61-62页 |
4.4 基于CSP的思维脑电分析方法实现 | 第62-65页 |
4.4.1 CSP特征提取思维脑电分析方法实现 | 第63-64页 |
4.4.2 改进的基于CSP的思维脑电分析方法实现 | 第64-65页 |
4.5 结果分析 | 第65页 |
4.6 本章小结 | 第65-67页 |
第5章 总结与展望 | 第67-69页 |
5.1 工作总结 | 第67-68页 |
5.2 展望 | 第68-69页 |
参考文献 | 第69-75页 |
致谢 | 第75页 |