基于运动想象的脑电信号特征提取与分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题背景和意义 | 第11-12页 |
| ·脑电信号概述 | 第12-15页 |
| ·脑电信号分类 | 第12-13页 |
| ·脑电极的放置方法 | 第13-14页 |
| ·脑电信号的研究方法 | 第14-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·国外研究情况 | 第15-16页 |
| ·国内研究现状 | 第16页 |
| ·本文的组织结构 | 第16-19页 |
| 第2章 脑电信号处理算法理论基础 | 第19-31页 |
| ·脑电信号事件相关同步与去同步现象 | 第19-20页 |
| ·功率谱估计理论 | 第20-22页 |
| ·周期图法 | 第20-21页 |
| ·分段平均周期图法 | 第21页 |
| ·加窗平均周期图法 | 第21-22页 |
| ·小波及小波包变换理论 | 第22-25页 |
| ·连续小波变换 | 第22-23页 |
| ·离散小波变换 | 第23页 |
| ·小波分解与重构 | 第23-24页 |
| ·小波包分解 | 第24-25页 |
| ·分类算法理论基础 | 第25-30页 |
| ·近邻法则 | 第25-26页 |
| ·Fisher判别法 | 第26-28页 |
| ·支持向量机 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 脑电信号特征提取及分类方法的研究与改进 | 第31-47页 |
| ·频谱变换算法的选取 | 第31-32页 |
| ·基于PSD与WP相结合的改进的特征提取方法 | 第32-40页 |
| ·算法基本原理的提出 | 第32-35页 |
| ·脑电信号特征频带确定方法 | 第35页 |
| ·小波包层数确定方法 | 第35-36页 |
| ·小波包函数的确定 | 第36-39页 |
| ·加窗周期与小波包结合过程 | 第39-40页 |
| ·帕赛瓦公式的引入 | 第40页 |
| ·特征向量维数的降低 | 第40页 |
| ·基于最佳配比权值的线性分类器 | 第40-45页 |
| ·线性分类器的基本原理 | 第40-43页 |
| ·两类模式线性分类 | 第43-44页 |
| ·基于事件相关法的线性判别函数的构造 | 第44-45页 |
| ·基于百分比的最佳权值确定方法 | 第45页 |
| ·本章总结 | 第45-47页 |
| 第4章 实验仿真与结果分析 | 第47-63页 |
| ·实验数据获取 | 第47-48页 |
| ·改进算法的实验及仿真结果 | 第48-53页 |
| ·基于训练数据确定频带流程 | 第48-50页 |
| ·特征向量的提取与降维流程 | 第50-51页 |
| ·实验结果 | 第51-53页 |
| ·常规算法实验流程及仿真结果 | 第53-61页 |
| ·功率谱密度法试验及结果 | 第53-57页 |
| ·小波包变换的试验及结果 | 第57-61页 |
| ·仿真实验结果分析 | 第61-62页 |
| ·特征提取方法讨论 | 第61页 |
| ·分类算法的比较 | 第61-62页 |
| ·本章总结 | 第62-63页 |
| 第5章 基于Emotive SDK的脑机接口应用 | 第63-73页 |
| ·Emotive脑电极帽简介 | 第63-64页 |
| ·脑电信号应用的设计与实现 | 第64-70页 |
| ·脑控汽车应用方案 | 第64-65页 |
| ·硬件设计 | 第65-68页 |
| ·PC机软件设计 | 第68-70页 |
| ·Emotive脑机接口应用实验 | 第70-72页 |
| ·实验准备 | 第70-71页 |
| ·实验流程 | 第71-72页 |
| ·实验结果 | 第72页 |
| ·本章总结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·工作总结 | 第73页 |
| ·未来展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间发表的文章 | 第83页 |
