| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景、目的及意义 | 第9-11页 |
| 1.3 脑-机接口概述 | 第11-14页 |
| 1.3.1 BCI系统的组成及原理 | 第11-12页 |
| 1.3.2 脑电信号的种类及特点 | 第12-14页 |
| 1.4 相关领域国内外研究现状 | 第14-20页 |
| 1.4.1 运动想象脑电信号特征提取方法研究现状 | 第14-17页 |
| 1.4.2 运动想象脑电信号特征选择方法研究现状 | 第17-19页 |
| 1.4.3 运动想象脑-机接口应用研究现状 | 第19-20页 |
| 1.5 论文研究内容和结构安排 | 第20-22页 |
| 1.5.1 论文主要研究内容 | 第20-21页 |
| 1.5.2 论文结构安排 | 第21-22页 |
| 第2章 基于LCD与CSP的运动想象EEG信号特征提取 | 第22-35页 |
| 2.1 运动想象脑电信号的特征提取 | 第22-23页 |
| 2.2 基于CSP和LCD的特征提取 | 第23-30页 |
| 2.2.1 基于LCD的时频域特征提取 | 第24-27页 |
| 2.2.2 基于CSP的空域特征提取 | 第27-29页 |
| 2.2.3 特征融合 | 第29页 |
| 2.2.4 特征排序与分类 | 第29-30页 |
| 2.3 实验结果与讨论 | 第30-34页 |
| 2.3.1 脑电数据及处理过程 | 第30-32页 |
| 2.3.2 实验结果与分析 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于萤火虫算法与学习自动机的运动想象EEG信号特征选择 | 第35-47页 |
| 3.1 运动想象脑电信号的特征选择 | 第35-39页 |
| 3.1.1 常用特征选择算法 | 第35-36页 |
| 3.1.2 基于进化算法的特征选择算法 | 第36-39页 |
| 3.2 基于萤火虫算法和学习自动机的特征选择方法设计 | 第39-42页 |
| 3.2.1 适应度模型建立 | 第39页 |
| 3.2.2 萤火虫算法 | 第39-41页 |
| 3.2.3 基于学习自动机的参数自适应调整 | 第41-42页 |
| 3.2.4 特征选择算法的伪码 | 第42页 |
| 3.3 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于运动想象的运动康复训练系统设计 | 第47-58页 |
| 4.1 基于运动想象的BCI系统实验设计 | 第47-48页 |
| 4.2 基于运动想象的康复训练系统的总体框架设计 | 第48-54页 |
| 4.2.1 信号采集模块设计 | 第48-49页 |
| 4.2.2 信号处理模块设计 | 第49-50页 |
| 4.2.3 基于运动想象的运动康复训练系统软件设计 | 第50-54页 |
| 4.3 系统测试与实验结果分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 全文工作总结 | 第58-59页 |
| 5.2 下一步工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 作者在攻读硕士学位期间取得的研究成果 | 第66页 |
