基于脑磁图的脑机接口方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·脑机接口的定义 | 第10-11页 |
| ·脑信号及脑信号特征 | 第11-13页 |
| ·常用的输入信号 | 第11-12页 |
| ·脑信号的特征 | 第12-13页 |
| ·基于脑磁信号的脑机接口 | 第13-16页 |
| ·脑磁信号的研究现状 | 第13-14页 |
| ·实验数据描述 | 第14-16页 |
| ·脑磁信号脑机接口方法存在的问题 | 第16页 |
| ·论文研究的主要内容和组织结构 | 第16-18页 |
| 第2章 脑磁信号预处理算法研究 | 第18-30页 |
| ·脑磁信号的预处理算法原理 | 第18-23页 |
| ·基于P 阶AR 模型的无味卡尔曼滤波 | 第18-22页 |
| ·小波去噪算法的原理 | 第22-23页 |
| ·实验结果与分析 | 第23-28页 |
| ·基于AR 模型的无味卡尔曼滤波实验结果 | 第23-25页 |
| ·小波预处理的实验结果 | 第25-28页 |
| ·两种算法的实验结果比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 脑磁信号特征提取算法研究 | 第30-44页 |
| ·两种特征提取算法的原理 | 第30-35页 |
| ·基于非高斯非平稳信号的模型原理 | 第30-33页 |
| ·基于PCA 和LDA 数据降维的特征提取算法 | 第33-35页 |
| ·两种特征提取算法的处理结果 | 第35-41页 |
| ·基于EMD 和AR 模型的实验结果 | 第35-40页 |
| ·数据降维方法的实验结果 | 第40-41页 |
| ·与其它特征提取算法比较 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 非线性分类器研究 | 第44-56页 |
| ·非线性分类器的原理 | 第44-50页 |
| ·改进的半监督模糊聚类算法 | 第44-46页 |
| ·数据依赖的核近邻法分类器原理 | 第46-50页 |
| ·非线性分类器的实验结果 | 第50-55页 |
| ·改进的半监督聚类的实验结果 | 第50-53页 |
| ·数据依赖的核近邻法分类器的实验结果 | 第53-55页 |
| ·两种非线性分类器比较 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第5章 脑磁信号频率成分初探 | 第56-67页 |
| ·脑磁信号的特征总结 | 第56页 |
| ·多频率的非高斯谐波信号估计算法 | 第56-61页 |
| ·双频率的非高斯谐波信号频率估计算法 | 第56-59页 |
| ·多频率的非高斯谐波信号频率估计算法 | 第59-61页 |
| ·数据仿真结果 | 第61-65页 |
| ·双频率的谐波噪声仿真结果 | 第61-62页 |
| ·脑磁信号频率成分估计 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |
