| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究本背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 脑-机接.介绍 | 第9-10页 |
| 1.1.3 课题研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 脑电信号的分析方法 | 第12-16页 |
| 1.3.1 常用的特征提取方法 | 第13-15页 |
| 1.3.2 常用的模式分类方法 | 第15-16页 |
| 1.4 想象运动思维 | 第16-17页 |
| 1.5 本文的研究内容及结构 | 第17-19页 |
| 1.5.1 本文研究内容 | 第17页 |
| 1.5.2 本文章节安排 | 第17-19页 |
| 第2章 脑电信号的采集和预处理 | 第19-32页 |
| 2.1 脑电信号的概述 | 第19-22页 |
| 2.1.1 大脑的解剖与功能 | 第19-20页 |
| 2.1.2 脑电信号的产生 | 第20-21页 |
| 2.1.3 脑电信号的分类 | 第21-22页 |
| 2.1.4 脑电信号的特点 | 第22页 |
| 2.2 实验设计 | 第22-26页 |
| 2.2.1 实验设备介绍 | 第22-24页 |
| 2.2.2 电极放置 | 第24-25页 |
| 2.2.3 实验环境和被试者选取 | 第25页 |
| 2.2.4 实验方案设计 | 第25-26页 |
| 2.3 脑电信号的预处理 | 第26-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 脑电信号的特征提取方法研究 | 第32-50页 |
| 3.1 基于混沌分析方法的特征提取 | 第32-39页 |
| 3.1.1 最大Lyapunov指数 | 第32-37页 |
| 3.1.2 关联维数 | 第37-39页 |
| 3.2 基于离散小波变换方法的特征提取 | 第39-43页 |
| 3.2.1 小波变换原理 | 第40-41页 |
| 3.2.2 基于离散小波变换的信号子带能量和特征提取 | 第41-43页 |
| 3.3 基于离散小波包变换方法的特征提取 | 第43-48页 |
| 3.3.1 小波包变换原理 | 第44页 |
| 3.3.2 基于离散小波包变换的信号特征提取 | 第44-48页 |
| 3.4 组合特征提取方法 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 脑电信号的模式分类方法研究 | 第50-68页 |
| 4.1 BP神经网络模式分类算法 | 第50-55页 |
| 4.1.1 BP算法介绍 | 第51-53页 |
| 4.1.2 BP算法分类器的设计 | 第53-55页 |
| 4.2 支撑向量机 | 第55-59页 |
| 4.2.1 SVM算法介绍 | 第55-58页 |
| 4.2.2 SVM分类器的设计 | 第58-59页 |
| 4.3 极限学习机 | 第59-63页 |
| 4.3.1 SLFN网络介绍 | 第60-61页 |
| 4.3.2 ELM的学习算法 | 第61-63页 |
| 4.4 识别结果与分析 | 第63-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-71页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A 10/20电极系统电极名称匹配一览表 | 第75页 |
| 附录B 16导 10/20国际导联放置位置表 | 第75-76页 |
| 辞谢 | 第76-77页 |
| 攻读学位期间的研究成果 | 第77页 |