首页--工业技术论文--无线电电子学、电信技术论文--光电子技术、激光技术论文--红外技术及仪器论文--红外技术的应用论文

基于近红外光谱技术的运动想象脑机交互模式识别方法研究

中文摘要第3-5页
Abstract第5-6页
第一章 绪论第10-18页
    1.1 课题的研究背景和意义第10-12页
        1.1.1 研究背景第10-11页
        1.1.2 研究意义第11-12页
    1.2 运动想象脑机接口概述第12-16页
        1.2.1 脑机接口的概念及应用价值第12-13页
        1.2.2 脑机接口系统的组成及其关键技术第13-14页
        1.2.3 运动想象BCI国内研究现状第14-15页
        1.2.4 运动想象BCI国外研究现状第15-16页
    1.3 论文的研究内容和结构安排第16-18页
        1.3.1 主要内容第16页
        1.3.2 论文的组织结构第16-18页
第二章 运动想象BCI的研究基础第18-26页
    2.1 运动想象概述第18-22页
        2.1.1 大脑结构及功能区域简介第18-20页
        2.1.2 运动想象的定义第20-21页
        2.1.3 影响因素第21-22页
        2.1.4 运动想象的理论模型第22页
        2.1.5 运动想象与运动执行大脑激活态比较第22页
    2.2 常见脑功能检测技术简介第22-25页
        2.2.1 脑电图(EEG)第23页
        2.2.2 脑磁图(MEG)第23-24页
        2.2.3 功能磁共振成像(fMRI)第24页
        2.2.4 功能性近红外光谱成像技术(fNIRS)第24页
        2.2.5 优缺点比较第24-25页
    2.3 本章小结第25-26页
第三章 功能性近红外光谱成像技术基础理论第26-33页
    3.1 成像基本原理第26-31页
        3.1.1 fNIRS的生理学基础第27页
        3.1.2 fNIRS的物理学基础第27-29页
        3.1.3 修正的血液动力学响应第29-30页
        3.1.4 光学成像通道第30-31页
    3.2 fNIRS特点及应用前景第31-32页
    3.3 本章小结第32-33页
第四章 空间四个方向运动想象实验设计第33-39页
    4.1 被试及实验环境第33页
    4.2 实验范式设计第33-35页
        4.2.1 通道布局和光极放置第33-34页
        4.2.2 实验范式第34-35页
    4.3 fNIRS信号的采集第35-38页
        4.3.1 NIRScaps测量帽第35-36页
        4.3.2 数据获取第36-38页
        4.3.3 信号干扰第38页
    4.4 本章小节第38-39页
第五章 基于EEMD-ICA的运动想象特征提取方法研究第39-51页
    5.1 fNIRS信号预处理方法第39-43页
        5.1.1 带通滤波第41-43页
        5.1.2 血氧浓度计算第43页
    5.2 EEMD基础理论第43-46页
        5.2.1 本征模态函数第44页
        5.2.2 EMD分解第44-45页
        5.2.3 EEMD的分解步骤第45-46页
    5.3 ICA基础理论第46-48页
    5.4 EEMD-ICA相结合的噪声处理方法第48-50页
    5.5 特征向量提取第50页
    5.6 本章小结第50-51页
第六章 运动想象BCI的模式识别分类方法研究第51-66页
    6.1 线性判别式第51-52页
    6.2 支持向量机第52-56页
        6.2.1 原理第53-55页
        6.2.2 参数寻优和交叉验证第55-56页
    6.3 分类准确率以及结果分析第56-65页
        6.3.1 分类准确率第56-61页
        6.3.2 大脑激活状态及最优通道选择第61-65页
    6.4 本章小结第65-66页
第七章 总结与展望第66-69页
    7.1 工作总结第66-67页
    7.2 展望第67-69页
参考文献第69-74页
在学期间的研究成果第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:基于Web的卡券精准营销系统的设计与实现
下一篇:基于Grassberger熵估计的互信息层次聚类算法研究