| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 主要符号对照表 | 第9-10页 |
| 第1章 绪论 | 第10-28页 |
| 1.1 背景简介 | 第10-12页 |
| 1.2 现有研究成果介绍 | 第12-21页 |
| 1.2.1 ERP信号的时 -空建模方法 | 第12-15页 |
| 1.2.2 EEG信号的高维结构 | 第15-17页 |
| 1.2.3 基于EEG的效应连接 | 第17-20页 |
| 1.2.4 克服体传导现象的策略 | 第20-21页 |
| 1.3 主要研究方法 | 第21-25页 |
| 1.3.1 贝叶斯学习 | 第21-24页 |
| 1.3.2 稀疏学习 | 第24-25页 |
| 1.4 论文各部分主要内容 | 第25-28页 |
| 第2章 单一实验条件下事件相关电位空间 -频率模式估计方法 | 第28-50页 |
| 2.1 本章引论 | 第28-29页 |
| 2.2 模型表述 | 第29-32页 |
| 2.2.1 拼接EEG的生成式模型 | 第29-30页 |
| 2.2.2 基本假设 | 第30-32页 |
| 2.2.3 备注 | 第32页 |
| 2.3 模型参数估计方法 | 第32-34页 |
| 2.3.1 最大后验估计 | 第32-33页 |
| 2.3.2 空间频率模式分解 | 第33-34页 |
| 2.3.3 剪枝准则 | 第34页 |
| 2.4 实验及结果 | 第34-47页 |
| 2.4.1 仿真数据生成 | 第34-35页 |
| 2.4.2 仿真结果评价指标 | 第35页 |
| 2.4.3 参与比较的各算法参数设置 | 第35-36页 |
| 2.4.4 仿真结果 | 第36-39页 |
| 2.4.5 真实数据采集 | 第39-41页 |
| 2.4.6 算法参数设置 | 第41-42页 |
| 2.4.7 评价标准 | 第42-43页 |
| 2.4.8 真实数据结果 | 第43-47页 |
| 2.5 讨论 | 第47-49页 |
| 2.5.1 试次间变动性 | 第47-48页 |
| 2.5.2 与同类算法的关系 | 第48-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第3章 多实验条件下事件相关电位联合建模和提取方法 | 第50-74页 |
| 3.1 本章引论 | 第50-51页 |
| 3.2 模型表述 | 第51-53页 |
| 3.2.1 多条件ERP模型 | 第51页 |
| 3.2.2 基本假设 | 第51-52页 |
| 3.2.3 先验分布 | 第52-53页 |
| 3.3 变分贝叶斯算法 | 第53-56页 |
| 3.4 实验及结果 | 第56-72页 |
| 3.4.1 仿真实验 | 第57-59页 |
| 3.4.2 真实数据实验 | 第59页 |
| 3.4.3 实验结果 | 第59-72页 |
| 3.5 讨论 | 第72-73页 |
| 3.5.1 与其它同类算法的联系 | 第72-73页 |
| 3.5.2 试次间潜伏期抖动对模型估计的影响 | 第73页 |
| 3.6 本章小结 | 第73-74页 |
| 第4章 时变多元自回归模型对事件相关电位的建模 | 第74-91页 |
| 4.1 本章引论 | 第74-75页 |
| 4.2 模型表述 | 第75-76页 |
| 4.2.1 脑电信号的自回归模型 | 第75页 |
| 4.2.2 基本假设 | 第75-76页 |
| 4.3 模型参数估计方法 | 第76-78页 |
| 4.3.1 变分分布 | 第76-77页 |
| 4.3.2 变分下界 | 第77页 |
| 4.3.3 参数初始化 | 第77页 |
| 4.3.4 模型阶数选择 | 第77-78页 |
| 4.4 实验结果 | 第78-91页 |
| 4.4.1 仿真实验 | 第78-84页 |
| 4.4.2 真实数据实验 | 第84-88页 |
| 4.4.3 讨论 | 第88-90页 |
| 4.4.4 本章小结 | 第90-91页 |
| 第5章 结论与展望 | 第91-96页 |
| 5.1 主要成果 | 第91-92页 |
| 5.2 创新点总结 | 第92-93页 |
| 5.3 ERP信号分析方法展望 | 第93-96页 |
| 参考文献 | 第96-102页 |
| 致谢 | 第102-104页 |
| 附录A ESSP算法中B的更新方法推导 | 第104-105页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第105-106页 |