| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 脑机接口的研究现状 | 第13页 |
| 1.2.2 脑电信号的识别算法研究现状 | 第13-15页 |
| 1.2.3 支持向量机参数优化研究现状 | 第15页 |
| 1.3 本文结构及研究内容 | 第15-17页 |
| 第二章 基于运动想象脑机接口的研究基础 | 第17-22页 |
| 2.1 脑电信号的采集 | 第17-18页 |
| 2.1.1 大脑解剖结构及功能分区 | 第17页 |
| 2.1.2 电极布置系统 | 第17-18页 |
| 2.2 脑电信号的产生机理与类型特点 | 第18-20页 |
| 2.2.1 脑电信号的产生机理 | 第18页 |
| 2.2.2 脑电信号的类型和特点 | 第18-20页 |
| 2.3 运动想象的生理基础 | 第20-21页 |
| 2.3.1 运动想象的定义 | 第20页 |
| 2.3.2 运动想象的ERD/ERS现象 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 运动想象脑电信号特征提取 | 第22-29页 |
| 3.1 基于小波包分解的特征提取 | 第22-27页 |
| 3.1.1 小波分析 | 第22-23页 |
| 3.1.2 连续小波变换 | 第23页 |
| 3.1.3 离散小波变换和多分辨率分析 | 第23-25页 |
| 3.1.4 小波包分解 | 第25-26页 |
| 3.1.5 基于小波包分解的能量比特征提取 | 第26-27页 |
| 3.2 共空间模式滤波 | 第27-28页 |
| 3.2.1 CSP算法原理 | 第27-28页 |
| 3.2.2 基于CSP算法的特征提取 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 改进的CS-SVM分类算法 | 第29-48页 |
| 4.1 支持向量机分类算法 | 第29-36页 |
| 4.1.1 线性支持向量机 | 第29-32页 |
| 4.1.2 非线性支持向量机 | 第32-33页 |
| 4.1.3 支持向量机参数介绍 | 第33页 |
| 4.1.4 支持向量机的参数优化分析 | 第33-36页 |
| 4.2 改进的CS算法 | 第36-45页 |
| 4.2.1 布谷鸟搜索算法原理 | 第36-38页 |
| 4.2.2 改进的CS算法 | 第38-42页 |
| 4.2.3 改进的CS算法步骤 | 第42页 |
| 4.2.4 实例验证与结果分析 | 第42-45页 |
| 4.3 ICS优化支持向量机 | 第45-47页 |
| 4.3.1 ICS-SVM算法实现流程与步骤 | 第45-46页 |
| 4.3.2 ICS-SVM算法实验分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于ICS-SVM的运动想象脑电信号分类实验 | 第48-56页 |
| 5.1 实验范式及数据集 | 第48-49页 |
| 5.2 基于小波包分解的特征提取 | 第49-53页 |
| 5.2.1 小波基的选取 | 第49页 |
| 5.2.2 分解层数的选择 | 第49页 |
| 5.2.3 导联选择 | 第49-50页 |
| 5.2.4 能量比特征的计算 | 第50-53页 |
| 5.3 基于CSP空间滤波的特征提取 | 第53-54页 |
| 5.4 基于ICS-SVM的实验结果分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 答辩委员会对论文的评定意见 | 第63页 |