基于独立分量分析的脑电情感识别算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 情感的分类 | 第12-13页 |
| 1.3 情感识别 | 第13-14页 |
| 1.4 研究历史以及现状 | 第14-16页 |
| 1.5 研究内容与论文结构安排 | 第16-18页 |
| 第二章 脑电情感识别的研究基础 | 第18-30页 |
| 2.1 脑电信号的概述 | 第18-21页 |
| 2.1.1 脑电信号的产生 | 第18-20页 |
| 2.1.2 脑电信号的类别 | 第20-21页 |
| 2.2 脑-机接口 | 第21-22页 |
| 2.3 脑电信号的采集方式 | 第22-23页 |
| 2.4 传统情感脑电信号的特征提取 | 第23-26页 |
| 2.5 脑电信号特征的模式识别方法 | 第26-29页 |
| 2.5.1 无监督学习 | 第26-27页 |
| 2.5.2 有监督学习 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于ICA的脑电情感识别 | 第30-55页 |
| 3.1 独立分量分析的背景知识 | 第30-34页 |
| 3.1.1 盲源分离的基本思想 | 第30-32页 |
| 3.1.2 ICA算法概述 | 第32-34页 |
| 3.2 脑电数据库及其预处理 | 第34-36页 |
| 3.2.1 公开数据库 | 第34-35页 |
| 3.2.2 数据预处理 | 第35-36页 |
| 3.3 基于ICA的空域特征提取及识别方法 | 第36-38页 |
| 3.3.1 ICA空域滤波器设计 | 第36-37页 |
| 3.3.2 滤波器有效性判断 | 第37页 |
| 3.3.3 空域特征提取 | 第37-38页 |
| 3.3.4 最优ICA滤波器设计 | 第38页 |
| 3.4 导联选择 | 第38-40页 |
| 3.4.1 获取待选导联集合 | 第39-40页 |
| 3.4.2 选择最优导联集合 | 第40页 |
| 3.5 实验结果及相关分析 | 第40-48页 |
| 3.5.1 情感识别单元的窗长及频带选择结果 | 第40-41页 |
| 3.5.2 针对不同特征提取方法的对比实验 | 第41-42页 |
| 3.5.3 导联选择结果 | 第42-48页 |
| 3.6 自采数据库及其实验结果 | 第48-54页 |
| 3.6.1 实验设置及数据采集 | 第48-50页 |
| 3.6.2 实验素材与对象 | 第50-51页 |
| 3.6.3 实验流程设计 | 第51-52页 |
| 3.6.4 实验结果验证 | 第52-54页 |
| 3.7 本章小结 | 第54-55页 |
| 第四章 基于ICA的脑电情感识别实验平台 | 第55-64页 |
| 4.1 系统设计 | 第55-57页 |
| 4.1.1 功能设计 | 第55-56页 |
| 4.1.2 流程设计 | 第56-57页 |
| 4.2 实验平台运行界面及其测试结果 | 第57-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 附图 | 第73-75页 |
| 附表 | 第75-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间取得的学术成果 | 第77页 |
