运动想象脑电信号的特征提取算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-14页 |
| ·基于脑电信号的脑-机接口的研究背景及意义 | 第8-10页 |
| ·脑-机接口的概述 | 第8-9页 |
| ·脑-机接口的研究背景 | 第9页 |
| ·脑-机接口的研究意义 | 第9-10页 |
| ·脑-机接口研究现状及进展 | 第10-12页 |
| ·本论文的主要内容及结构 | 第12-14页 |
| 第二章 基于运动想象脑电信号的脑-机接口系统 | 第14-26页 |
| ·脑电信号的基本知识 | 第14-18页 |
| ·脑电信号的产生和特点 | 第14-15页 |
| ·脑电信号的节律波 | 第15-17页 |
| ·运动想象的ERD/ERS现象 | 第17-18页 |
| ·脑电信号采集 | 第18-22页 |
| ·脑电信号采集方式 | 第18页 |
| ·EEG信号采集 | 第18-19页 |
| ·实验系统的实验装置和软件平台 | 第19-22页 |
| ·运动想象脑-机接口的实验范式 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 信号包络提取算法在脑电信号分类中的研究 | 第26-57页 |
| ·非线性能量算子算法 | 第26-27页 |
| ·希尔伯特变换算法 | 第27-30页 |
| ·独立分量分析算法 | 第30-40页 |
| ·基本理论 | 第30-34页 |
| ·ICA的约束条件 | 第34页 |
| ·ICA独立性度量 | 第34-35页 |
| ·ICA算法描述 | 第35页 |
| ·滑动窗Infomax算法 | 第35-38页 |
| ·滑动窗峭度极大ICA算法 | 第38-40页 |
| ·实验结果及分析 | 第40-56页 |
| ·提取信号包络的比较 | 第41-47页 |
| ·对信号包络效果的改进 | 第47-53页 |
| ·包络检测算法测试BCI实验数据 | 第53-55页 |
| ·实验结果分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 空域滤波算法在运动想象中的应用 | 第57-76页 |
| ·基于独立分量分析的空域滤波算法 | 第57页 |
| ·共同空间模式算法 | 第57-62页 |
| ·两类CSP算法 | 第57-59页 |
| ·多类CSP算法 | 第59-62页 |
| ·改进的ICA算法 | 第62页 |
| ·想象运动中的特征提取及分类 | 第62-66页 |
| ·脑电特征提取 | 第63-65页 |
| ·SVM分类器 | 第65-66页 |
| ·实验结果及分析 | 第66-74页 |
| ·提取滤波器方式的比较 | 第66-69页 |
| ·识别效果和数据敏感度的比较 | 第69-71页 |
| ·改进的ICA-与CSP算法对比 | 第71-72页 |
| ·近似联合对角化的特征向量选择 | 第72-73页 |
| ·实验结果分析 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 第五章 总结与展望 | 第76-78页 |
| ·总结 | 第76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 作者攻读硕士学位期间取得的学术成果 | 第83页 |
