视觉诱发P300电位的去噪与提取算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 脑机接口概述 | 第11-14页 |
| 1.2 脑机接口研究的背景及意义 | 第14-15页 |
| 1.3 脑机接口技术的研究现状 | 第15-16页 |
| 1.4 主要内容及章节安排 | 第16-19页 |
| 第二章 脑电信号P300及采集 | 第19-25页 |
| 2.1 事件相关电位ERP与P300 | 第19-21页 |
| 2.1.1 事件相关电位ERP | 第19-20页 |
| 2.1.2 P300电位 | 第20页 |
| 2.1.3 P300的应用及意义 | 第20-21页 |
| 2.2 脑电信号P300的采集 | 第21-24页 |
| 2.2.1 实验装置 | 第21-23页 |
| 2.2.2 刺激范式 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于ICA-EMD的眼电伪迹去噪算法 | 第25-45页 |
| 3.1 眼电伪迹去噪方法 | 第25-28页 |
| 3.1.1 回归方法 | 第25-26页 |
| 3.1.2 自适应滤波方法 | 第26-27页 |
| 3.1.3 小波变换 | 第27页 |
| 3.1.4 盲源分离 | 第27-28页 |
| 3.2 基于ICA的眼电伪迹去噪 | 第28-33页 |
| 3.2.1 ICA原理 | 第28-30页 |
| 3.2.2 基于ICA的眼电伪迹去噪 | 第30-33页 |
| 3.3 基于ICA-EMD的眼电伪迹去噪 | 第33-42页 |
| 3.3.1 基于峰度值的EOG伪迹成分自动识别 | 第33-34页 |
| 3.3.2 EMD阈值去噪 | 第34-37页 |
| 3.3.3 基于ICA-EMD的眼电伪迹去噪 | 第37-42页 |
| 3.4 脑电信号预处理 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 P300特征提取与分类 | 第45-59页 |
| 4.1 P300特征提取算法概述 | 第45-46页 |
| 4.2 基于小波变换的P300特征提取 | 第46-50页 |
| 4.2.1 Mallat算法 | 第46-48页 |
| 4.2.2 基于小波变换的特征提取方法 | 第48-50页 |
| 4.3 基于时域能量熵的P300特征提取 | 第50-52页 |
| 4.4 支持向量机 | 第52-54页 |
| 4.5 基于SVM的P300分类 | 第54-57页 |
| 4.5.1 单特征量下P300的分类正确率 | 第55-56页 |
| 4.5.2 特征融合下P300的分类正确率 | 第56页 |
| 4.5.3 不同导联下P300的分类正确率 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 学位论文评阅答辩情况表 | 第68页 |
