| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·脑认知研究的目的及方法 | 第9-11页 |
| ·基于脑电信号的脑认知研究 | 第11-14页 |
| ·复合下肢想象动作电位的研究意义 | 第14-16页 |
| ·本文的主要工作及章节安排 | 第16-18页 |
| 第二章 复合下肢想象动作电位的生理基础及诱发实验 | 第18-30页 |
| ·脑电的产生机理及其主要节律 | 第18-19页 |
| ·想象动作电位的事件相关去同步和同步化特征 | 第19-23页 |
| ·事件相关去同步和同步化的定义 | 第19-20页 |
| ·事件相关去同步和同步化的神经生理学意义 | 第20-22页 |
| ·复合下肢想象动作电位的事件相关去同步和同步化特征 | 第22-23页 |
| ·想象动作电位的相位同步化特征 | 第23-26页 |
| ·想象动作电位的同步化特征概述 | 第23-24页 |
| ·同步化分析方法 | 第24-26页 |
| ·脑电信号采集和空间滤波预处理 | 第26-29页 |
| ·电极系统与任务模式 | 第26-28页 |
| ·空间滤波预处理 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于小波包独立分量分析的想象动作电位分析 | 第30-55页 |
| ·瞬时线性混合模型下的独立分量分析理论 | 第30-41页 |
| ·独立分量分析的起源 | 第30-31页 |
| ·独立分量分析及其实质 | 第31-32页 |
| ·信息论基础 | 第32-34页 |
| ·信息论框架下的独立性判据 | 第34-38页 |
| ·扩展最大熵算法 | 第38-41页 |
| ·卷积混合模型下的独立分量分析 | 第41-45页 |
| ·卷积混合模型描述 | 第41-42页 |
| ·基于频域解卷的独立分量分析 | 第42-45页 |
| ·基于小波包独立分量分析的想象动作电位空间滤波 | 第45-53页 |
| ·小波包独立分量分析的流程 | 第45-48页 |
| ·想象站起动作电位的小波包独立分量分析的结果 | 第48-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于经验模态分解的复合下肢想象动作电位的特征振荡模式分析 | 第55-93页 |
| ·经验模态分解方法的起源，发展和应用现状 | 第56-58页 |
| ·经验模态方法的提出 | 第56-57页 |
| ·经验模态分解算法的发展和应用现状 | 第57-58页 |
| ·经验模态分解算法的原理 | 第58-64页 |
| ·瞬时频率 | 第58-59页 |
| ·特征时间尺度 | 第59-60页 |
| ·固有模态函数 | 第60-61页 |
| ·经验模态分解 | 第61-63页 |
| ·经验模态分解的完备性和正交性 | 第63-64页 |
| ·复合下肢想象动作电位的特征振荡模式分析 | 第64-91页 |
| ·EMD方法的引入和问题 | 第65-69页 |
| ·基于多分辨率分析的EMD方法 | 第69-73页 |
| ·基于特征固有模态函数的频域能量特征分析 | 第73-78页 |
| ·基于特征固有模态函数的时域能量特征分析 | 第78-86页 |
| ·基于特征固有模态函数的相位同步化特征分析 | 第86-91页 |
| ·本章小结 | 第91-93页 |
| 第五章 基于支持向量机的复合下肢想象动作电位的分类识别 | 第93-112页 |
| ·统计学习理论 | 第93-99页 |
| ·机器学习的基本问题和方法 | 第93-96页 |
| ·统计学习理论的核心思想 | 第96-99页 |
| ·支持向量机 | 第99-105页 |
| ·线性支持向量机 | 第99-103页 |
| ·非线性支持向量机 | 第103-105页 |
| ·基于支持向量机的多分类想象动作的分类器设计 | 第105-111页 |
| ·特征结合方法与分类器设计 | 第105-106页 |
| ·多分类想象运动的分类器设计 | 第106-108页 |
| ·多分类想象运动的识别结果 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 第六章 总结与展望 | 第112-115页 |
| ·本文工作的总结 | 第112-113页 |
| ·未来工作的展望 | 第113-115页 |
| 参考文献 | 第115-124页 |
| 发表论文和科研情况说明 | 第124-126页 |
| 致谢 | 第126页 |
