| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-34页 |
| 1.1 脑-机接口的概念 | 第14-20页 |
| 1.1.1 脑-机接口的定义 | 第14-15页 |
| 1.1.2 脑-机接口系统的构成 | 第15-17页 |
| 1.1.3 脑-机接口系统类型 | 第17-20页 |
| 1.2 脑-机接口的研究现状 | 第20-28页 |
| 1.2.1 脑-机接口的发展 | 第20-22页 |
| 1.2.2 国内外研究现状 | 第22-28页 |
| 1.3 脑-机接口研究中面临的问题与难点 | 第28-30页 |
| 1.4 本文研究的目的和意义 | 第30-31页 |
| 1.5 本文的主要内容和创新点 | 第31-34页 |
| 1.5.1 本文研究的主要内容 | 第31-33页 |
| 1.5.2 本文研究的创新点 | 第33-34页 |
| 第2章 脑电信号基础 | 第34-48页 |
| 2.1 脑电信号生理学基础 | 第34-35页 |
| 2.2 脑电信号产生机理 | 第35-36页 |
| 2.2.1 产生脑电节律活动的条件 | 第35-36页 |
| 2.2.2 脑电活动的皮质神经元机制 | 第36页 |
| 2.2.3 皮质神经元节律性同步活动的起源 | 第36页 |
| 2.3 脑电信号的采集与记录方法 | 第36-41页 |
| 2.3.1 脑电放大器 | 第36-38页 |
| 2.3.2 脑电信号的记录方法 | 第38-41页 |
| 2.4 脑电信号的频率与特点 | 第41-46页 |
| 2.4.1 脑电信号的频率 | 第41-45页 |
| 2.4.2 脑电信号的特点 | 第45-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第3章 脑电信号的预处理 | 第48-72页 |
| 3.1 脑电信号预处理的目的和意义 | 第48-49页 |
| 3.2 脑电信号预处理方法 | 第49-55页 |
| 3.2.1 回归方法 | 第50页 |
| 3.2.2 伪迹减法 | 第50-51页 |
| 3.2.3 滤波方法 | 第51-53页 |
| 3.2.4 主成分分析 | 第53页 |
| 3.2.5 独立成分分析 | 第53-54页 |
| 3.2.6 JADE算法 | 第54-55页 |
| 3.2.7 小波变换 | 第55页 |
| 3.3 基于独立成分分析的脑电信号预处理 | 第55-71页 |
| 3.3.1 ICA基本理论 | 第55-61页 |
| 3.3.2 ICA算法 | 第61-67页 |
| 3.3.3 独立成分分析在脑电消噪中的应用 | 第67-71页 |
| 3.4 本章小结 | 第71-72页 |
| 第4章 脑电信号的特征提取 | 第72-104页 |
| 4.1 脑电信号的特征提取方法概述 | 第72-74页 |
| 4.2 事件相关同步/去同步 | 第74-76页 |
| 4.2.1 事件相关电位 | 第74页 |
| 4.2.2 ERD/ERS概念 | 第74-75页 |
| 4.2.3 运动相关的ERD/ERS | 第75-76页 |
| 4.3 基于小波包变换的脑电信号特征提取 | 第76-88页 |
| 4.3.1 小波包变换 | 第76-79页 |
| 4.3.2 算法实现 | 第79-86页 |
| 4.3.3 实验结果的分析与说明 | 第86-88页 |
| 4.4 基于小波熵的脑电信号特征提取 | 第88-93页 |
| 4.4.1 小波熵原理 | 第88-89页 |
| 4.4.2 算法实现 | 第89-91页 |
| 4.4.3 实验结果的分析与说明 | 第91-93页 |
| 4.5 基于AR模型的脑电信号特征提取 | 第93-101页 |
| 4.5.1 AR模型 | 第94-98页 |
| 4.5.2 算法实现 | 第98-101页 |
| 4.5.3 实验结果的分析与说明 | 第101页 |
| 4.6 各种方法的分析与比较 | 第101-102页 |
| 4.7 本章小结 | 第102-104页 |
| 第5章 脑电信号的特征选择 | 第104-128页 |
| 5.1 特征选择概述 | 第104-107页 |
| 5.1.1 基于搜索算法的特征选择方法 | 第105-106页 |
| 5.1.2 基于评价函数的特征选择方法 | 第106-107页 |
| 5.2 序列向前浮动搜索算法 | 第107-108页 |
| 5.3 分段线性网络 | 第108-112页 |
| 5.4 基于SFFS—PLN的脑电信号特征选择 | 第112-127页 |
| 5.4.1 算法原理 | 第112页 |
| 5.4.2 算法实现 | 第112-119页 |
| 5.4.3 实验结果的分析与说明 | 第119-127页 |
| 5.5 本章小结 | 第127-128页 |
| 第6章 脑电信号的分类识别 | 第128-150页 |
| 6.1 脑电信号识别方法概述 | 第128-129页 |
| 6.2 基于K-近邻算法的脑电信号的分类识别 | 第129-135页 |
| 6.2.1 算法原理 | 第129-131页 |
| 6.2.2 算法实现 | 第131-132页 |
| 6.2.3 实验结果的分析与说明 | 第132-135页 |
| 6.3 基于权重优化BP神经网络的脑电信号的分类识别 | 第135-147页 |
| 6.3.1 算法原理 | 第135-140页 |
| 6.3.2 算法实现 | 第140-142页 |
| 6.3.3 实验结果的分析与说明 | 第142-147页 |
| 6.4 不同方法的分析与比较 | 第147-149页 |
| 6.5 本章小结 | 第149-150页 |
| 第7章 基于主从特征异步BCI系统实验研究 | 第150-168页 |
| 7.1 系统的总体设计 | 第150-151页 |
| 7.2 脑电信号的采集 | 第151-154页 |
| 7.2.1 脑电信号采集的硬件平台 | 第151-152页 |
| 7.2.2 脑电信号采集的软件平台 | 第152-154页 |
| 7.3 基于主特征的工作状态检测 | 第154-160页 |
| 7.3.1 BP特征 | 第154-155页 |
| 7.3.2 BP特征提取 | 第155-158页 |
| 7.3.3 基于主特征的状态检测的实现 | 第158-160页 |
| 7.4 基于从特征的特征提取与识别 | 第160页 |
| 7.5 实验系统设计 | 第160-164页 |
| 7.5.1 实验对象 | 第160-161页 |
| 7.5.2 实验参数设置 | 第161页 |
| 7.5.3 系统训练方案 | 第161-163页 |
| 7.5.4 系统测试方案 | 第163-164页 |
| 7.6 数据处理与结果分析 | 第164-166页 |
| 7.6.1 训练数据的处理 | 第164页 |
| 7.6.2 测试数据的处理 | 第164-166页 |
| 7.6.3 实验结果与分析 | 第166页 |
| 7.7 本章小结 | 第166-168页 |
| 第8章 总结与展望 | 第168-172页 |
| 8.1 总结 | 第168-169页 |
| 8.2 未来工作展望 | 第169-172页 |
| 参考文献 | 第172-182页 |
| 致谢 | 第182-184页 |
| 在学期间发表的论文及成果 | 第184-185页 |