| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景和意义 | 第9页 |
| ·脑电信号的研究概况 | 第9-11页 |
| ·本文主要研究工作及论文组织 | 第11-13页 |
| ·本文主要研究工作内容 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第二章 脑电信号分析基础 | 第13-22页 |
| ·脑电信号基础 | 第13-16页 |
| ·脑电信号的生理机制 | 第13-14页 |
| ·脑电信号的采集方法 | 第14-15页 |
| ·脑电信号的分类 | 第15-16页 |
| ·脑电信号的特征及应用 | 第16-18页 |
| ·脑电信号的特征 | 第16-17页 |
| ·脑电信号的应用 | 第17-18页 |
| ·脑电信号的主要分析方法 | 第18-21页 |
| ·时域分析 | 第18页 |
| ·频域分析 | 第18-19页 |
| ·时频分析 | 第19-20页 |
| ·人工神经网络 | 第20页 |
| ·混沌理论 | 第20页 |
| ·独立分量分析 | 第20-21页 |
| ·其他分析方法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于ICA的特质焦虑脑电信号的预处理 | 第22-29页 |
| ·独立分量分析(ICA)简介 | 第22-24页 |
| ·ICA算法的基础理论 | 第23-24页 |
| ·ICA算法在脑电信号处理中的应用 | 第24页 |
| ·基于ICA的特质焦虑脑电信号的预处理 | 第24-28页 |
| ·实验数据 | 第24-25页 |
| ·数据的选取依据 | 第25页 |
| ·数据预处和理选取的实现 | 第25-26页 |
| ·基于ICA的特质焦虑脑电信号的预处理 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于小波分析的特质焦虑脑电信号的特征提取 | 第29-44页 |
| ·小波变换 | 第29-38页 |
| ·连续小波变换 | 第30-32页 |
| ·小波基的选取 | 第32-33页 |
| ·离散小波变换 | 第33-36页 |
| ·小波多分辨率分析 | 第36-38页 |
| ·特质焦虑脑电信号的小波分解、特征提取及实现 | 第38-42页 |
| ·脑电信号的小波分解 | 第38-40页 |
| ·特质焦虑脑电信号的特征提取 | 第40-42页 |
| ·实验结果 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第五章 基于支持向量机的特质焦虑脑电信号的分类研究 | 第44-55页 |
| ·统计学习理论(SLT) | 第45-46页 |
| ·支持向量机(SVM)分类的基本原理 | 第46-50页 |
| ·支持向量机(SVM)算法 | 第46-48页 |
| ·支持向量机(SVM)的特点 | 第48-49页 |
| ·支持向量机(SVM)的应用及实现 | 第49-50页 |
| ·基于支持向量机(SVM)的特质焦虑脑电信号的识别与分类 | 第50-54页 |
| ·核函数的选择 | 第50-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |