| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-22页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 脑-机接口研究现状 | 第9-14页 |
| 1.2.1 脑-机接口概述 | 第9-11页 |
| 1.2.2 基于ERP的脑-机接口的发展现状 | 第11页 |
| 1.2.3 基于脑-机接口的智能家居系统的发展现状 | 第11-14页 |
| 1.3 复杂网络时间序列分析 | 第14-17页 |
| 1.3.1 相空间网络 | 第14-15页 |
| 1.3.2 可视图网络 | 第15-16页 |
| 1.3.3 基于多元时间序列分析的脑网络分析 | 第16-17页 |
| 1.4 睡眠阶段分类的意义和发展现状 | 第17-19页 |
| 1.5 研究工作与创新点 | 第19-20页 |
| 1.6 论文结构 | 第20-22页 |
| 第2章 智能家居背景下的EEG信号采集 | 第22-30页 |
| 2.1 ERP诱发范式与界面设计 | 第22-24页 |
| 2.1.1 诱发ERP的oddball范式 | 第22页 |
| 2.1.2 激励界面设计 | 第22-24页 |
| 2.2 基于脑-机接口的智能家居系统结构 | 第24页 |
| 2.3 EEG信号采集 | 第24-28页 |
| 2.3.1 采集设备 | 第24-25页 |
| 2.3.2 被试选取 | 第25页 |
| 2.3.3 实验流程 | 第25-28页 |
| 2.4 信号预处理 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于多元加权递归网络的大脑疲劳机制研究 | 第30-42页 |
| 3.1 正常状态与疲劳状态下的P300分类准确率研究 | 第30-35页 |
| 3.1.1 通道选择 | 第30页 |
| 3.1.2 EEG信号叠加平均波形与准确率分析 | 第30-33页 |
| 3.1.3 特征提取 | 第33页 |
| 3.1.4 Fisher线性判别原理与P300分类 | 第33-35页 |
| 3.2 基于多元加权递归网络的疲劳机制分析 | 第35-41页 |
| 3.2.1 多元加权递归复杂网络建模 | 第35-39页 |
| 3.2.2 基于多元加权递归网络的大脑疲劳机制分析 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 基于多层有限穿越可视图的睡眠阶段辨识研究 | 第42-56页 |
| 4.1 基于多层有限穿越可视图的时间序列分析 | 第42-48页 |
| 4.1.1 多层有限穿越可视图网络构建 | 第42-43页 |
| 4.1.2 多层有限穿越可视图网络特征提取 | 第43-48页 |
| 4.2 基于多层有限穿越可视图的睡眠阶段辨识 | 第48-54页 |
| 4.2.1 特征向量组合 | 第48-50页 |
| 4.2.2 睡眠阶段自动分类与智能家居系统自主控制 | 第50-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-68页 |
| 发表论文和参加科研情况说明 | 第68-70页 |
| 发表学术论文 | 第68页 |
| 参与科研项目 | 第68-70页 |
| 致谢 | 第70页 |
