运动想象脑电信号模式识别算法的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第15-22页 |
| 1.1 本文的研究背景和意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 BCI的研究现状 | 第17-19页 |
| 1.3 运动想象脑电信号模式识别算法的研究现状 | 第19-20页 |
| 1.4 本文主要研究的内容 | 第20-22页 |
| 2 脑电研究的理论基础 | 第22-30页 |
| 2.1 脑电信号基础 | 第22-24页 |
| 2.1.1 脑电信号的产生机理和特点 | 第22-23页 |
| 2.1.2 脑电信号分类 | 第23-24页 |
| 2.2 脑电信号的采集 | 第24-25页 |
| 2.3 BCI系统的组成 | 第25-26页 |
| 2.4 理论分析数据来源 | 第26-29页 |
| 2.4.1 数据来源 | 第26-27页 |
| 2.4.2 数据分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 脑电信号的组合特征提取 | 第30-41页 |
| 3.1 小波分析 | 第30-34页 |
| 3.1.1 小波变换理论 | 第30-31页 |
| 3.1.2 连续小波变换 | 第31页 |
| 3.1.3 离散小波变换 | 第31-32页 |
| 3.1.4 多分辨率分析 | 第32-33页 |
| 3.1.5 小波变换的特征信息 | 第33-34页 |
| 3.2 共空间模式 | 第34-35页 |
| 3.2.1 CSP算法的基本原理 | 第34-35页 |
| 3.2.2 CSP的特征信息 | 第35页 |
| 3.3 BCI数据分析 | 第35-40页 |
| 3.3.1 提取时频域的特征量 | 第36-38页 |
| 3.3.2 提取空间域的特征量 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 脑电信号的分类识别 | 第41-55页 |
| 4.1 支持向量机 | 第41-46页 |
| 4.1.1 线性可分SVM | 第41-43页 |
| 4.1.2 非线性SVM | 第43-45页 |
| 4.1.3 改进PSO-SVM分类器设计 | 第45-46页 |
| 4.2 极限学习机 | 第46-49页 |
| 4.2.1 单隐层前馈神经网络 | 第46-48页 |
| 4.2.2 ELM算法原理 | 第48-49页 |
| 4.3 BCI数据分类识别 | 第49-54页 |
| 4.3.1 分类器的设计 | 第49-52页 |
| 4.3.2 分类器结果分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 实验 | 第55-66页 |
| 5.1 实验设计 | 第55-59页 |
| 5.1.1 实验设备 | 第55-56页 |
| 5.1.2 实验数据的采集 | 第56-58页 |
| 5.1.3 实验设计 | 第58-59页 |
| 5.2 离线数据特征提取 | 第59-63页 |
| 5.2.1 数据预处理 | 第59-61页 |
| 5.2.2 小波变换的特征提取 | 第61-62页 |
| 5.2.3 空间域的特征提取 | 第62-63页 |
| 5.3 离线运动想象数据的分类识别 | 第63-65页 |
| 5.3.1 改进的ELM算法 | 第63-64页 |
| 5.3.2 离线数据分类结果比较 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 在线脑机-接口的应用 | 第66-74页 |
| 6.1 在线脑机-接口的搭建 | 第66-67页 |
| 6.2 基于α波阻断控制机械手的抓放动作 | 第67-69页 |
| 6.2.1 α波阻断的控制原理 | 第67-68页 |
| 6.2.2 α波阻断脑电信号的特征提取 | 第68页 |
| 6.2.3 α波阻断实验训练结果 | 第68-69页 |
| 6.3 基于运动想象控制机械手的左右移动 | 第69-72页 |
| 6.3.1 实验设计 | 第69-71页 |
| 6.3.2 在线实验结果分析 | 第71-72页 |
| 6.4 本章小结 | 第72-74页 |
| 7 总结与展望 | 第74-77页 |
| 7.1 总结 | 第74-75页 |
| 7.2 展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 作者简历 | 第82页 |
