脑机接口应用中的思维任务分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| ·脑机接口的概述 | 第10-14页 |
| ·脑机接口控制信号 | 第12-13页 |
| ·脑机接口信号的处理、特征提取与分类 | 第13页 |
| ·外部控制装置 | 第13-14页 |
| ·国内外BCI的研究现状及应用 | 第14-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第二章 脑机接口中的脑电信号分析 | 第16-22页 |
| ·脑电信号基础知识 | 第16-19页 |
| ·脑电图 | 第16-17页 |
| ·脑电信号的采集 | 第17-18页 |
| ·脑电信号的主要节律 | 第18-19页 |
| ·脑电信号的特点及分析方法 | 第19-22页 |
| ·脑电信号的特点 | 第19-20页 |
| ·脑电信号的分析方法 | 第20-22页 |
| 第三章 独立分量分析的原理和算法 | 第22-39页 |
| ·独立分量分析的基本原理 | 第22-26页 |
| ·独立分量分析的数学模型 | 第23-24页 |
| ·独立分量分析中的预处理 | 第24-26页 |
| ·独立分量分析的独立性判据 | 第26-30页 |
| ·基于峭度的目标函数 | 第27页 |
| ·基于负熵及近似负熵的目标函数 | 第27-29页 |
| ·基于互信息最小化的目标函数 | 第29-30页 |
| ·独立分量分析的典型算法 | 第30-36页 |
| ·FastICA算法 | 第30-32页 |
| ·Infomax算法及扩展Infomax算法 | 第32-36页 |
| ·ICA在脑电消噪中的应用 | 第36-39页 |
| 第四章 EEG信号特征提取 | 第39-46页 |
| ·AR模型的Yule-Walker方程 | 第39-40页 |
| ·AR模型参数的求解算法 | 第40-44页 |
| ·Levinson-Durbin递推算法 | 第40-42页 |
| ·Burg算法 | 第42-43页 |
| ·改进的协方差算法 | 第43-44页 |
| ·AR模型阶数p的选择 | 第44页 |
| ·AR模型的建立 | 第44-46页 |
| 第五章 BP神经网络分类器 | 第46-59页 |
| ·BP神经网络的基本原理和BP算法 | 第46-51页 |
| ·BP神经网络的基本结构 | 第46-47页 |
| ·神经网络的传输函数 | 第47-48页 |
| ·BP神经网络学习算法 | 第48-51页 |
| ·MATLAB中的BP神经网络设计 | 第51-56页 |
| ·BP神经网络的创建及其初始化 | 第51-52页 |
| ·BP网络的训练和自适应调整函数 | 第52-55页 |
| ·BP网络的仿真 | 第55页 |
| ·图形用户界面(GUI) | 第55-56页 |
| ·BP神经网络的应用 | 第56-59页 |
| 第六章 实验及结果分析 | 第59-68页 |
| ·实验系统流程 | 第59页 |
| ·脑电数据 | 第59-60页 |
| ·ICA对脑电信号消噪 | 第60-63页 |
| ·AR模型特征参数的提取 | 第63-64页 |
| ·样本预处理 | 第64页 |
| ·BP神经网络的设计与分类结果分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 在读期间发表论文情况 | 第75-76页 |
| 致谢 | 第76页 |
