| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 基于EEG信号脑力疲劳检测方法研究的国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 课题主要研究内容及论文结构安排 | 第14-16页 |
| 1.3.1 本文主要研究内容 | 第14-15页 |
| 1.3.2 本文章节介绍 | 第15-16页 |
| 第二章 基于EEG信号的脑力疲劳检测概述 | 第16-29页 |
| 2.1 脑力疲劳概述 | 第16-17页 |
| 2.1.1 疲劳的概念与分类 | 第16页 |
| 2.1.2 脑力疲劳产生的原因与表现 | 第16-17页 |
| 2.2 EEG信号简介 | 第17-18页 |
| 2.2.1 EEG信号的特点 | 第17-18页 |
| 2.2.2 EEG信号的基本节律 | 第18页 |
| 2.3 基于EEG信号脑力疲劳检测研究的关键问题 | 第18-24页 |
| 2.3.1 EEG信号的采集 | 第19-22页 |
| 2.3.2 信号预处理 | 第22页 |
| 2.3.3 特征提取 | 第22-23页 |
| 2.3.4 特征结果分析 | 第23-24页 |
| 2.4 小波包变换的基本概念 | 第24-28页 |
| 2.4.1 小波包的原理与快速算法 | 第24-27页 |
| 2.4.2 小波包的频域特性 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于单子带重构小波包改进算法的特征提取研究 | 第29-42页 |
| 3.1 单子带重构小波包改进算法概述 | 第29-37页 |
| 3.1.1 小波包快速算法中的频率混淆问题 | 第29-33页 |
| 3.1.2 单子带重构小波包改进算法 | 第33-37页 |
| 3.2 基于小波包变换的特征提取方法概述 | 第37-39页 |
| 3.3 基于EEG信号四个节律能量的特征提取 | 第39-41页 |
| 3.3.1 四个节律与脑力疲劳的关系 | 第39页 |
| 3.3.2 EEG信号四个节律的提取方法 | 第39-40页 |
| 3.3.3 提取EEG信号四个节律的能量比特征 | 第40-41页 |
| 3.4 基于各子带小波包系数方差的特征提取 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于EEG信号脑力疲劳检测的实验设计及结果分析 | 第42-77页 |
| 4.1 实验整体设计 | 第42-43页 |
| 4.1.1 确定实验方案 | 第42页 |
| 4.1.2 设定实验环境 | 第42页 |
| 4.1.3 选择实验对象 | 第42-43页 |
| 4.2 基于便携式脑电采集设备的实验设计及数据采集 | 第43-50页 |
| 4.2.1 实验系统 | 第43-47页 |
| 4.2.2 实验流程 | 第47-49页 |
| 4.2.3 实验数据处理 | 第49-50页 |
| 4.3 基于多通道脑电采集设备的实验设计及数据采集 | 第50-55页 |
| 4.3.1 实验系统 | 第50-53页 |
| 4.3.2 实验流程 | 第53-55页 |
| 4.3.3 实验数据处理 | 第55页 |
| 4.3.4 脑区选择 | 第55页 |
| 4.4 提取脑电各节律的算法对比分析 | 第55-63页 |
| 4.4.1 基于小波包快速算法提取脑电各节律结果分析 | 第56-61页 |
| 4.4.2 基于单子带重构小波包改进算法提取脑电各节律结果分析 | 第61-63页 |
| 4.5 特征结果分析 | 第63-76页 |
| 4.5.1 基于便携式脑电采集设备EEG信号的特征结果分析 | 第64-68页 |
| 4.5.2 基于多通道脑电采集设备EEG信号的特征结果分析 | 第68-76页 |
| 4.6 本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 全文工作总结 | 第77-78页 |
| 5.2 研究工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间已发表、录用论文及参与科研项目情况 | 第84页 |
