基于脑电信号的情感识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 研究内容及论文安排 | 第14-16页 |
| 第二章 EEG情感识别基础理论 | 第16-32页 |
| 2.1 情感定义 | 第16页 |
| 2.2 情感划分 | 第16-19页 |
| 2.2.1 离散情感模型 | 第16-17页 |
| 2.2.2 维度情感模型 | 第17-18页 |
| 2.2.3 基于认知评价的情感模型 | 第18-19页 |
| 2.3 脑电信号相关理论 | 第19-21页 |
| 2.3.1 大脑皮层结构特点 | 第19页 |
| 2.3.2 脑电信号特点 | 第19-21页 |
| 2.3.3 EEG与情感的关系 | 第21页 |
| 2.4 EEG时频分析方法 | 第21-31页 |
| 2.4.1 短时傅里叶变换 | 第22-24页 |
| 2.4.2 Gabor变换 | 第24-25页 |
| 2.4.3 Wigner Ville分布 | 第25-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于时频盲源分离的EEG情感识别 | 第32-44页 |
| 3.1 盲源分离算法 | 第32-37页 |
| 3.1.1 盲源分离算法原理 | 第32-35页 |
| 3.1.2 数据白化 | 第35-37页 |
| 3.2 基于时频分布的盲源分离算法 | 第37-38页 |
| 3.3 实验仿真 | 第38-41页 |
| 3.4 结果分析 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于重排时频盲源分离的EEG情感识别 | 第44-52页 |
| 4.1 重排平滑伪WVD | 第44-48页 |
| 4.1.1 重排理论 | 第44-45页 |
| 4.1.2 重排平滑伪WVD | 第45-48页 |
| 4.2 时频点选取方法 | 第48-49页 |
| 4.3 实验仿真 | 第49-50页 |
| 4.4 结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 于数据融合的EEG情感识别 | 第52-64页 |
| 5.1 信息融合基本理论 | 第52-55页 |
| 5.1.1 信息融合理论的形成和发展 | 第52-53页 |
| 5.1.2 信息融合的层次结构 | 第53-55页 |
| 5.1.3 D-S证据组合理论基本原理 | 第55页 |
| 5.2 基于D-S证据理论的EEG情感识别 | 第55-59页 |
| 5.2.1 实验仿真 | 第56-59页 |
| 5.2.2 结果分析 | 第59页 |
| 5.3 基于改进D-S证据理论的EEG情感识别 | 第59-62页 |
| 5.3.1 D-S证据组合理论改进 | 第59-60页 |
| 5.3.2 实验仿真 | 第60-62页 |
| 5.3.3 结果分析 | 第62页 |
| 5.4 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
