基于运动想象的脑电信号分析研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 本文研究背景及意义 | 第9-12页 |
| 1.2 脑机接口的基本概念 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文的主要研究内容与安排 | 第14-16页 |
| 第二章 运动想象脑电信号的研究基础 | 第16-26页 |
| 2.1 大脑的结构及功能分区 | 第16-18页 |
| 2.1.1 大脑的基本结构 | 第16-17页 |
| 2.1.2 大脑皮层及功能分区 | 第17-18页 |
| 2.2 脑电信号的产生 | 第18-21页 |
| 2.2.1 脑电信号的产生机理 | 第18-19页 |
| 2.2.2 脑电信号的分类 | 第19-21页 |
| 2.2.3 脑电信号的特点 | 第21页 |
| 2.3 事件相关去同步/同步的研究 | 第21-24页 |
| 2.3.1 事件相关电位 | 第21-22页 |
| 2.3.2 事件相关去同步/同步现象 | 第22页 |
| 2.3.3 运动想象时的ERD/ERS | 第22-24页 |
| 2.3.4 事件相关去同步/同步的量化方法 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 运动想象脑电信号的特征提取 | 第26-44页 |
| 3.1 基于小波包能量熵的特征提取 | 第26-36页 |
| 3.1.1 小波包能量熵原理 | 第26-31页 |
| 3.1.2 特征提取的算法实现 | 第31-32页 |
| 3.1.3 实验结果与分析 | 第32-36页 |
| 3.2 基于AR模型的特征提取 | 第36-43页 |
| 3.2.1 AR模型 | 第36-40页 |
| 3.2.2 特征提取的算法实现 | 第40-42页 |
| 3.2.3 实验结果与分析 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 运动想象脑电信号的分类识别 | 第44-53页 |
| 4.1 线性判别分类算法 | 第44-47页 |
| 4.1.1 线性判别分析基本原理 | 第44-45页 |
| 4.1.2 Fisher线性判别分类准则 | 第45-47页 |
| 4.1.3 线性判别分析的分类结果 | 第47页 |
| 4.2 基于支持向量机的分类算法 | 第47-51页 |
| 4.2.1 支持向量机的基本原理 | 第47-50页 |
| 4.2.2 分类识别的算法实现 | 第50-51页 |
| 4.2.3 支持向量机的分类结果 | 第51页 |
| 4.3 实验结果的分析和讨论 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |
