| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 脑电信号处理的研究背景与意义 | 第12-15页 |
| 1.1.1 脑机接口技术 | 第12-13页 |
| 1.1.2 基于ERP的测谎技术 | 第13-14页 |
| 1.1.3 中风疾病的康复与治疗 | 第14-15页 |
| 1.2 脑电信号处理算法的研究现状 | 第15-17页 |
| 1.2.1 预处理算法 | 第16页 |
| 1.2.2 特征提取算法 | 第16-17页 |
| 1.2.3 分类算法 | 第17页 |
| 1.3 论文的研究内容与组织结构 | 第17-20页 |
| 第2章 脑电信号及其处理算法 | 第20-33页 |
| 2.1 脑电信号概述 | 第20-25页 |
| 2.1.1 脑电信号的产生机理 | 第20-21页 |
| 2.1.2 P300电位 | 第21-23页 |
| 2.1.3 运动想象脑电信号 | 第23-25页 |
| 2.2 脑电信号处理算法 | 第25-32页 |
| 2.2.1 拉普拉斯算法 | 第26-27页 |
| 2.2.2 小波变换 | 第27-30页 |
| 2.2.3 能量熵 | 第30页 |
| 2.2.4 支持向量机 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于导联信号组合的P300脑电信号特征提取 | 第33-49页 |
| 3.1 算法概述 | 第33-34页 |
| 3.2 实验数据来源 | 第34-37页 |
| 3.2.1 BCI竞赛字符拼写器 | 第34-35页 |
| 3.2.2 人脸图片测谎实验数据 | 第35-36页 |
| 3.2.3 模拟网络诈骗实验数据 | 第36-37页 |
| 3.3 电极选择及脑电信号预处理 | 第37-40页 |
| 3.3.1 电极选择 | 第37-38页 |
| 3.3.2 脑电信号预处理 | 第38-40页 |
| 3.4 基于导联信号组合的P300脑电信号特征提取 | 第40-45页 |
| 3.4.1 基于导联信号相乘的P300脑电信号特征提取 | 第40-42页 |
| 3.4.2 基于导联信号卷积的P300脑电信号特征提取 | 第42-43页 |
| 3.4.3 基于导联信号矩阵相乘的P300脑电信号特征提取 | 第43-45页 |
| 3.5 分类结果与分析 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于导联信号相乘的中风病人脑电信号分析 | 第49-66页 |
| 4.1 实验数据来源 | 第49-51页 |
| 4.1.1 中风病人情况介绍 | 第49页 |
| 4.1.2 数据采集方法 | 第49-51页 |
| 4.2 中风病人自由想象脑电信号处理 | 第51-56页 |
| 4.2.1 中风病人自由想象脑电信号时域能量 | 第51-54页 |
| 4.2.2 中风病人自由想象脑电信号频域能量 | 第54-56页 |
| 4.3 基于导联信号相乘的中风病人运动想象脑电信号处理 | 第56-61页 |
| 4.3.1 中风病人运动想象脑电信号时域能量 | 第56-59页 |
| 4.3.2 中风病人运动想象脑电信号频域能量 | 第59-61页 |
| 4.4 结果与分析 | 第61-64页 |
| 4.4.1 中风病人大脑患病侧与健康侧自由想象脑电信号分析 | 第61-62页 |
| 4.4.2 中风病人大脑患病侧与健康侧运动想象脑电信号分析 | 第62-63页 |
| 4.4.3 中风病人脑电信号分析在康复治疗中的意义 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 脑电信号采集与分析平台的搭建 | 第66-73页 |
| 5.1 基于GKT范式的测谎实验平台 | 第66-68页 |
| 5.1.1 E-Prime | 第66-67页 |
| 5.1.2 上海诺诚脑电图仪 | 第67-68页 |
| 5.2 中风病人脑电信号采集平台 | 第68-71页 |
| 5.2.1 运动想象脑电信号刺激器 | 第69-70页 |
| 5.2.2 俄罗斯Neuron-Spectrum-5型脑电图仪 | 第70-71页 |
| 5.3 脑电信号分析工具——MATLAB | 第71页 |
| 5.4 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-76页 |
| 参考文献 | 第76-84页 |
| 附录一 | 第84-89页 |
| 作者简历及在学习期间的相关科研成果 | 第89页 |
