| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·本课题的研究背景 | 第8-12页 |
| ·BCI系统简介 | 第8页 |
| ·BCI中的脑电控制信号及国内外研究现状 | 第8-11页 |
| ·独立成分分析(ICA)简介 | 第11-12页 |
| ·本课题的目的和意义 | 第12-13页 |
| ·本课题的研究内容与章节安排 | 第13-15页 |
| ·课题的研究内容 | 第13-14页 |
| ·课题的章节安排 | 第14-15页 |
| 第二章 EEG基础和ERD/ERS导论 | 第15-23页 |
| ·人脑结构与EEG产生基础 | 第15-21页 |
| ·人脑的结构 | 第15页 |
| ·大脑皮质的分区与功能定位 | 第15-16页 |
| ·EEG的产生机理、种类及特征 | 第16-18页 |
| ·脑电的采集 | 第18-21页 |
| ·ERD/ERS研究 | 第21-23页 |
| ·自发脑电 | 第21页 |
| ·想象动作电位 | 第21页 |
| ·诱发脑电 | 第21-23页 |
| 第三章 ERD/ERS信号分析和分类提取 | 第23-67页 |
| ·时频图谱结合功率谱密度曲线分析法 | 第24-35页 |
| ·短时傅里叶变换理论基础 | 第24-25页 |
| ·基于短时傅里叶变换的时频分析法 | 第25-28页 |
| ·功率谱密度算法的性能评价 | 第28-35页 |
| ·脑地形图法 | 第35-40页 |
| ·功率谱熵(Power Spectral Entropy,PSE)分析 | 第40-43页 |
| ·功率谱熵理论基础 | 第40-41页 |
| ·基于功率谱熵的EEG信号分析 | 第41-42页 |
| ·功率谱熵算法性能评价 | 第42-43页 |
| ·小波熵(Wavelet Entropy,WE)分析 | 第43-48页 |
| ·小波变换理论基础 | 第44页 |
| ·基于小波变换的小波熵理论 | 第44-45页 |
| ·基于小波熵的EEG信号分析 | 第45-47页 |
| ·小波熵算法性能评价 | 第47-48页 |
| ·基于ICA的分析方法 | 第48-62页 |
| ·以ERD/ERS系数为参数的ICA滤波 | 第53-54页 |
| ·ICA空间滤波 | 第54-62页 |
| ·ERS/ERD信号的提取与动作的分类识别 | 第62-67页 |
| ·ERD/ERS系数法 | 第62-63页 |
| ·ERD/ERS系数+支持向量机(SVM)分类法 | 第63-64页 |
| ·以ERD/ERS系数为参数的ICA滤波+SVM分类 | 第64-67页 |
| 第四章 课题总结与展望 | 第67-71页 |
| ·课题总结 | 第67-69页 |
| ·课题展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74页 |
