单次诱发脑电特征提取工具包及算法优化
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 一 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-16页 |
| 1.1.1 诱发脑电 | 第10-11页 |
| 1.1.2 诱发电位信号处理算法现状 | 第11-14页 |
| 1.1.3 脑电、诱发脑电处理工具 | 第14-16页 |
| 1.2 本课题提出依据 | 第16页 |
| 1.3 论文结构 | 第16-18页 |
| 二 基于主成分样本库的MLRD算法 | 第18-28页 |
| 2.1 MLRd算法改进目的 | 第18-19页 |
| 2.2 基于主成分样本库的MLRd算法设计 | 第19-21页 |
| 2.2.1 小波滤波 | 第19-20页 |
| 2.2.2 MLRd多元线性分析 | 第20-21页 |
| 2.3 改进的MLRd算法性能研究 | 第21-26页 |
| 2.3.1 实验数据获取 | 第21-22页 |
| 2.3.2 模拟脑电分析 | 第22-23页 |
| 2.3.3 真实脑电分析 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 三 单次提取算法与数据分析 | 第28-37页 |
| 3.1 算法原理 | 第28-31页 |
| 3.1.1 自回归模型 | 第28-29页 |
| 3.1.2 独立成分分析 | 第29-30页 |
| 3.1.3 二阶盲辨识 | 第30-31页 |
| 3.2 模拟数据分析对比 | 第31-34页 |
| 3.3 真实诱发脑电特征提取 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 四 系统架构设计与工具包优化 | 第37-52页 |
| 4.1 背景 | 第37-38页 |
| 4.2 逻辑架构设计 | 第38-42页 |
| 4.2.1 逻辑层划分 | 第39-40页 |
| 4.2.2 功能模块设计 | 第40-42页 |
| 4.3 MVC设计 | 第42-44页 |
| 4.4 系统实现 | 第44-46页 |
| 4.4.1 人机交互实现 | 第44-45页 |
| 4.4.2 数据存储结构 | 第45-46页 |
| 4.5 代码优化 | 第46-47页 |
| 4.6 优化效果检验 | 第47-51页 |
| 4.6.1 启动界面 | 第47-48页 |
| 4.6.2 学习成本降低 | 第48-49页 |
| 4.6.3 命令行模式的效率提升 | 第49-50页 |
| 4.6.4 代码优化效果 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 五 全文总结 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 研究生期间发表论文 | 第58-59页 |
| 致谢 | 第59-60页 |
