| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-24页 |
| ·脑－机接口简介 | 第9-14页 |
| ·脑－机接口系统的组成与工作原理 | 第9-10页 |
| ·脑－机接口的应用范围与研究意义 | 第10页 |
| ·脑－机接口研究发展的回顾与现状 | 第10-12页 |
| ·脑－机接口的分类 | 第12-14页 |
| ·基于EEG 的脑－机接口中各种常用的信号模式 | 第14-17页 |
| ·想象动作诱发的ERD/ERS 信号 | 第17-22页 |
| ·ERD/ERS 的定义与基本特征 | 第17-19页 |
| ·ERD/ERS 的频谱特点与空间分布 | 第19-22页 |
| ·本文的主要工作与章节安排 | 第22-24页 |
| 第二章 基于上肢想象动作的诱发脑电实验与信号的初步分析 | 第24-36页 |
| ·实验设计与信号采集 | 第24-27页 |
| ·电极系统 | 第24-25页 |
| ·任务模式 | 第25-27页 |
| ·信号的频谱分析 | 第27-32页 |
| ·频谱分析的理论基础 | 第27-28页 |
| ·分析结果 | 第28-32页 |
| ·信号的可分性分析 | 第32-36页 |
| ·可分性分析的理论基础 | 第32-33页 |
| ·分析结果 | 第33-36页 |
| 第三章 基于独立分量分解的信号处理 | 第36-58页 |
| ·独立分量分解理论简介 | 第36-45页 |
| ·ICA 问题的一般描述 | 第36-38页 |
| ·独立性判据 | 第38-42页 |
| ·Informax 算法 | 第42-45页 |
| ·ICA 滤噪 | 第45-50页 |
| ·脑电信号中的眼电与肌电噪声 | 第46-47页 |
| ·ICA 滤噪的结果与分析 | 第47-50页 |
| ·独立分量的聚类分析 | 第50-58页 |
| ·聚类分析的理论基础 | 第51-52页 |
| ·聚类结果与诱发分量提取 | 第52-57页 |
| ·基于ICA 与聚类分析的空间滤波器设计 | 第57-58页 |
| 第四章 上肢想象动作诱发脑电的非线性动力学特征 | 第58-70页 |
| ·基于频谱能量分布的参数分析 | 第59-63页 |
| ·功率谱熵定义 | 第59页 |
| ·小波熵定义 | 第59-61页 |
| ·上肢想象动作诱发脑电的功率谱熵与小波熵分析 | 第61-63页 |
| ·基于序列结构有序性的参数分析 | 第63-67页 |
| ·Kolmogorov 复杂度定义及算法 | 第63-65页 |
| ·近似熵的定义及算法 | 第65-66页 |
| ·KC 与ApEn 对序列结构有序性的度量 | 第66-67页 |
| ·上肢想象动作诱发脑电信号的KC 与ApEn 分析 | 第67页 |
| ·非线性参数的空间分布分析与分类特征提取 | 第67-70页 |
| 第五章 基于支持向量机的侧向性信息识别 | 第70-93页 |
| ·统计学习理论与支持向量机 | 第70-77页 |
| ·机器学习与经验风险最小化准则 | 第70-72页 |
| ·统计学习理论的核心内容 | 第72-73页 |
| ·支持向量机的基本思想 | 第73-75页 |
| ·支持向量机的优化求解算法 | 第75-77页 |
| ·基于支持向量机的特征筛选方法 | 第77-85页 |
| ·算法的理论基础及伪代码 | 第78-80页 |
| ·特征筛选的结果与分析 | 第80-85页 |
| ·分类器集成 | 第85-93页 |
| ·Bagging 方法 | 第85-87页 |
| ·Boosting 方法 | 第87-90页 |
| ·分类器集成后的识别结果 | 第90-93页 |
| 第六章 总结与展望 | 第93-96页 |
| ·本文工作的总结 | 第93-94页 |
| ·未来工作的展望 | 第94-96页 |
| 参考文献 | 第96-105页 |
| 发表论文和参加科研情况说明 | 第105-107页 |
| 致谢 | 第107页 |