运动想象脑电信号的特征提取算法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景与现状 | 第8-10页 |
| ·脑机接口的应用 | 第9-10页 |
| ·脑电信号的基本介绍 | 第10-12页 |
| ·脑电信号的一般特点 | 第10-11页 |
| ·运动想象脑电信号的特点 | 第11-12页 |
| ·脑电图 | 第12页 |
| ·研究内容和系统总体设计方案 | 第12-13页 |
| ·本论文的结构 | 第13-16页 |
| 第二章 脑电信号采集处理系统的设计 | 第16-26页 |
| ·脑电信号的类型 | 第16-17页 |
| ·诱发电位 | 第16页 |
| ·事件相关去同步和事件相关同步 | 第16-17页 |
| ·脑电信号采集方法 | 第17-18页 |
| ·采集电路要求和设备的选用 | 第18-20页 |
| ·采集处理系统上位机的设计 | 第20-25页 |
| ·VC环境下系统的设计 | 第20-23页 |
| ·VC与Matlab的混合编程 | 第23-24页 |
| ·Matlab环境下系统的设计 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 运动想象脑电信号特征提取算法 | 第26-42页 |
| ·脑电信号的常见特征 | 第26-27页 |
| ·常用的分析方法 | 第27-28页 |
| ·时域分析方法 | 第27页 |
| ·频域分析方法 | 第27-28页 |
| ·时频分析方法 | 第28页 |
| ·小波变换理论体系 | 第28-39页 |
| ·连续小波变换 | 第29-30页 |
| ·离散小波变换 | 第30-31页 |
| ·多分辨率分析 | 第31-33页 |
| ·小波包的基本原理 | 第33-35页 |
| ·常用的小波函数 | 第35-38页 |
| ·小波的优缺点 | 第38-39页 |
| ·信号提取的特征 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 信号特征的分类识别算法 | 第42-52页 |
| ·常用的分类算法 | 第42页 |
| ·支持向量机 | 第42-46页 |
| ·线性支持向量机 | 第43-44页 |
| ·非线性支持向量机 | 第44-45页 |
| ·支持向量机优缺点 | 第45-46页 |
| ·贝叶斯分类器 | 第46-49页 |
| ·朴素贝叶斯分类器 | 第46-47页 |
| ·树扩展贝叶斯分类器 | 第47-48页 |
| ·半朴素贝叶斯分类器 | 第48-49页 |
| ·BP神经网络分类器 | 第49-50页 |
| ·BP算法的步骤 | 第49-50页 |
| ·BP神经网络的缺陷 | 第50页 |
| ·信号特征的分类 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 系统测试与结果分析 | 第52-60页 |
| ·VC环境下系统测试 | 第52-54页 |
| ·Matlab环境下系统测试 | 第54-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 附录 | 第68页 |
