| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 运动想象技术研究现状 | 第10-12页 |
| 1.2.2 迁移学习研究现状 | 第12-13页 |
| 1.3 关键技术及本文研究内容 | 第13-17页 |
| 1.3.1 关键技术 | 第14-15页 |
| 1.3.2 本文研究内容 | 第15-17页 |
| 第2章 运动想象脑电生理基础及预处理方法 | 第17-28页 |
| 2.1 运动想象脑电信号生理基础 | 第17-19页 |
| 2.2 运动想象脑电信号频谱分析 | 第19-23页 |
| 2.2.1 AR模型 | 第19-21页 |
| 2.2.2 AR模型参数估计 | 第21-22页 |
| 2.2.3 结果分析 | 第22-23页 |
| 2.3 运动想象脑电信号预处理 | 第23-27页 |
| 2.3.1 带通滤波 | 第23-24页 |
| 2.3.2 空间滤波 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 运动想象脑电信号特征提取及分类 | 第28-49页 |
| 3.1 基于小波包变换的能量特征提取及分类 | 第28-39页 |
| 3.1.1 小波包变换 | 第28-31页 |
| 3.1.2 基于AR模型小波包变换频谱分析 | 第31-33页 |
| 3.1.3 支持向量机 | 第33-36页 |
| 3.1.4 特征提取及结果分析 | 第36-39页 |
| 3.2 基于能量特征的通道选择方法研究 | 第39-48页 |
| 3.2.1 基于Relief-F算法特征权重的计算 | 第39-40页 |
| 3.2.2 通道权重的计算 | 第40-41页 |
| 3.2.3 通道权重的调整 | 第41-42页 |
| 3.2.4 结果分析 | 第42-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第4章 基于运动想象脑电特征的迁移学习算法实现 | 第49-56页 |
| 4.1 运动想象迁移学习基本思路 | 第49-50页 |
| 4.2 基于特征的迁移学习算法实现 | 第50-52页 |
| 4.3 结果分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 运动想象迁移学习实验设计 | 第56-66页 |
| 5.1 实验总体设计方案 | 第56-57页 |
| 5.2 实验采集系统 | 第57-60页 |
| 5.2.1 硬件介绍 | 第57-58页 |
| 5.2.2 采集界面设计 | 第58-60页 |
| 5.3 左右手运动想象实验 | 第60-65页 |
| 5.3.1 电极通道选择 | 第61-62页 |
| 5.3.2 眼电伪迹处理 | 第62-63页 |
| 5.3.3 迁移学习在线实现方案 | 第63-64页 |
| 5.3.4 结果分析 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |