| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-19页 |
| 1.3.1 单次诱发成份提取 | 第12-15页 |
| 1.3.2 语音冲突特征提取 | 第15-16页 |
| 1.3.3 卡尔曼滤波方法 | 第16-17页 |
| 1.3.4 脑网络构建方法 | 第17-19页 |
| 1.4 本文的主要研究内容及组织结构 | 第19-21页 |
| 第2章 卡尔曼滤波方法与脑认知实验 | 第21-35页 |
| 2.1 现代滤波方法 | 第21-24页 |
| 2.1.1 维纳滤波 | 第21-22页 |
| 2.1.2 粒子滤波 | 第22-23页 |
| 2.1.3 低通滤波 | 第23页 |
| 2.1.4 卡尔曼滤波 | 第23-24页 |
| 2.2 卡尔曼滤波计算方法 | 第24-26页 |
| 2.2.1 状态空间表示 | 第24页 |
| 2.2.2 迭代方法 | 第24-26页 |
| 2.3 脑认知实验 | 第26-34页 |
| 2.3.1 脑认知相关实验基础 | 第26-28页 |
| 2.3.2 脑认知实验设计及数据集建立 | 第28-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于卡尔曼滤波单通道脑电特征提取 | 第35-53页 |
| 3.1 单次诱发成份提取的自适应卡尔曼滤波方法 | 第35-39页 |
| 3.1.1 单次诱发成份的自适应卡尔曼滤波提取方法 | 第35-36页 |
| 3.1.2 单通道脑电信号的卡尔曼滤波模型 | 第36-37页 |
| 3.1.3 卡尔曼滤波参数估计 | 第37-38页 |
| 3.1.4 自适应脑电诱发成份优势区间分离算法 | 第38-39页 |
| 3.2 模拟诱发成份的方法验证实验 | 第39-45页 |
| 3.2.1 模拟脑电数据 | 第40-41页 |
| 3.2.2 模拟诱发成份提取实验 | 第41-45页 |
| 3.3 真实诱发成份的方法验证实验 | 第45-50页 |
| 3.3.1 真实脑电数据 | 第46页 |
| 3.3.2 真实诱发成份提取实验 | 第46-50页 |
| 3.4 自适应卡尔曼滤波诱发成份提取方法的脑机接口应用 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于卡尔曼滤波脑网络的多通道脑电特征提取 | 第53-72页 |
| 4.1 基于卡尔曼滤波状态追踪的时变脑网络构建 | 第53-58页 |
| 4.1.1 多变量自回归模型 | 第54-55页 |
| 4.1.2 基于卡尔曼滤波的多元自回归系数估计 | 第55-56页 |
| 4.1.3 基于因果分析的脑网络构建 | 第56-57页 |
| 4.1.4 阈值设置 | 第57-58页 |
| 4.2 卡尔曼滤波脑网络的结构分析方法研究 | 第58-60页 |
| 4.2.1 节点的度 | 第58-59页 |
| 4.2.2 网络密度 | 第59页 |
| 4.2.3 聚类系数 | 第59-60页 |
| 4.2.4 特征路径长度 | 第60页 |
| 4.2.5 全局效率 | 第60页 |
| 4.3 卡尔曼滤波脑网络的频域分析方法研究 | 第60-62页 |
| 4.3.1 全时段脑网络频域差异性分析方法 | 第60-61页 |
| 4.3.2 全时段功能脑区间信息交互作用分析方法 | 第61页 |
| 4.3.3 多时段脑网络频域特征变化分析方法 | 第61-62页 |
| 4.3.4 特异性阶段信息交互作用分析方法 | 第62页 |
| 4.4 基于卡尔曼滤波脑网络语音冲突实验及结果分析 | 第62-71页 |
| 4.4.1 基于卡尔曼滤波脑网络语音冲突的结构分析实验 | 第62-66页 |
| 4.4.2 基于卡尔曼滤波脑网络语音冲突的频域分析实验 | 第66-71页 |
| 4.5 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第79-81页 |
| 致谢 | 第81页 |
