基于脑电节律的模式识别方法研究

摘要	第1-6页
Abstract	第6-10页
第1章 绪论	第10-19页
·课题研究的背景及意义	第10-11页
·基于EEG 的BCI 系统	第11-16页
·脑电基础	第11-15页
·BCI 系统的组成	第15-16页
·基于EEG 的BCI 系统的研究现状	第16-17页
·本文所做的主要工作	第17-19页
第2章 基于脑电节律的脑电信号预处理	第19-31页
·实验数据	第19-20页
·编程软件介绍	第20-21页
·EEG 预处理的目的	第21页
·EEG 信号中的噪声和干扰源	第21-23页
·干扰源	第21-22页
·噪声(伪迹)	第22-23页
·EEG 信号预处理的方法	第23-28页
·伪迹减法	第23页
·独立分量分析方法	第23-28页
·本章小结	第28-31页
第3章 基于脑电节律的脑电信号特征提取	第31-56页
·常用的EEG 特征提取方法	第31页
·基本脑电节律的分离方法	第31-40页
·小波变换方法简介	第31-33页
·小波包分解算法原理及仿真研究	第33-40页
·时域分析方法	第40-42页
·波形特征描述法	第40页
·自回归AR 模型法	第40-42页
·频域分析方法	第42-50页
·非参数估计法	第42-44页
·基于AR 模型的功率谱估计	第44-50页
·小波系数和小波熵	第50-51页
·小波系数	第50页
·小波熵	第50-51页
·CSSD 算法	第51-54页
·本章小结	第54-56页
第4章 基于脑电节律的脑电信号模式分类	第56-65页
·Fisher 线性判别	第56-57页
·感知器算法	第57页
·SVM 算法	第57-60页
·不同模式识别方法的比较	第60-64页
·结合小波系数和AR 模型系数并进行SVM 分类	第60-62页
·CSSD 特征提取和SVM 分类	第62-64页
·本章小结	第64-65页
结论	第65-67页
参考文献	第67-71页
致谢	第71-72页
作者简介	第72页