运动想象脑机接口多模式识别方法与应用研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 脑-机接口的研究背景和意义 | 第9-11页 |
| 1.2 脑-机接口系统的组成 | 第11-12页 |
| 1.3 脑-机接口研究现状 | 第12-13页 |
| 1.3.1 国外研究现状 | 第12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 脑-机接口研究中的关键问题 | 第13-14页 |
| 1.5 本文的主要研究内容与组织结构 | 第14-15页 |
| 第二章 EEG信号处理方法 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 脑电生理基础概述 | 第15-17页 |
| 2.2.1 脑电信号特点 | 第15-16页 |
| 2.2.2 运动想象与ERS/ERD现象 | 第16-17页 |
| 2.3 滤波算法 | 第17-19页 |
| 2.3.1 巴特沃斯滤波器 | 第17-18页 |
| 2.3.2 共同平均参考法 | 第18页 |
| 2.3.3 拉普拉斯滤波 | 第18-19页 |
| 2.4 特征提取算法 | 第19-22页 |
| 2.4.1 共空间模式 | 第19-20页 |
| 2.4.2 多类运动想象EEG特征提取算法 | 第20-22页 |
| 2.5 脑电信号的分类算法 | 第22-24页 |
| 2.5.1 线性分类器 | 第22-23页 |
| 2.5.2 支持向量机 | 第23页 |
| 2.5.3 神经网络分类 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 组合核函数相关向量机分类算法 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 机器学习与相关向量机算法 | 第25-29页 |
| 3.2.1 机器学习 | 第25-27页 |
| 3.2.2 VC维 | 第27-28页 |
| 3.2.3 贝叶斯公式 | 第28-29页 |
| 3.3 相关向量机算法 | 第29-34页 |
| 3.3.1 RVM的回归模型 | 第29-32页 |
| 3.3.2 RVM的分类模型 | 第32-34页 |
| 3.3.3 RVM的多类分类 | 第34页 |
| 3.4 组合核函数相关向量机 | 第34-37页 |
| 3.4.1 核方法与核函数 | 第34-37页 |
| 3.4.2 相关向量机核函数选择 | 第37页 |
| 3.4.3 组合核函数的相关向量机 | 第37页 |
| 3.5 实验数据与结果分析 | 第37-41页 |
| 3.5.1 运动想象EEG数据实验范式 | 第37-39页 |
| 3.5.2 实验结果与分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 混沌核函数相关向量机分类算法 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 混沌核函数 | 第42-47页 |
| 4.2.1 混沌核函数构造方法 | 第42-43页 |
| 4.2.2 Logistic系统与核函数 | 第43-45页 |
| 4.2.3 混沌核函数相关向量机 | 第45-47页 |
| 4.3 实验结果分析 | 第47-51页 |
| 4.3.1 实验设计 | 第47页 |
| 4.3.2 实验结果与分析 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 运动想象脑机接口在线系统实现 | 第52-59页 |
| 5.1 引言 | 第52页 |
| 5.2 在线BCI系统组成 | 第52-55页 |
| 5.2.1 脑电采集设备 | 第53-54页 |
| 5.2.2 下位机控制 | 第54-55页 |
| 5.3 在线BCI系统控制流程 | 第55-57页 |
| 5.3.1 EEG信号采集与处理流程 | 第55-56页 |
| 5.3.2 四旋翼接收指令与执行流程 | 第56-57页 |
| 5.4 在线BCI实验 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 发表论文和科研情况说明 | 第66-67页 |
| 致谢 | 第67页 |
