基于时间段和频带联合选择的多类运动想象脑—机接口分类算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-22页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.2 脑-机接口技术简介 | 第10-17页 |
| 1.2.1 脑-机接口基本原理 | 第10-12页 |
| 1.2.2 脑-机接口输入信号 | 第12-13页 |
| 1.2.3 脑-机接口应用前景 | 第13-15页 |
| 1.2.4 脑-机接口当前难点 | 第15-17页 |
| 1.3 自发性脑电信号分析 | 第17-20页 |
| 1.3.1 基于ERD/ERS脑电模式产生 | 第17-19页 |
| 1.3.2 时间和频带选择算法 | 第19-20页 |
| 1.4 本文主要内容 | 第20-22页 |
| 第二章 特征提取和分类方法 | 第22-36页 |
| 2.1 小波技术介绍 | 第22-25页 |
| 2.1.1 小波变换 | 第22-23页 |
| 2.1.2 小波包分解及重构 | 第23-25页 |
| 2.2 共空域模式算法 | 第25-31页 |
| 2.2.1 两类共空域模式算法 | 第25-27页 |
| 2.2.2 多类共空域模式扩展 | 第27-31页 |
| 2.3 分类器设计 | 第31-35页 |
| 2.3.1 Fisher判别分析 | 第31-33页 |
| 2.3.2 支持向量机 | 第33-34页 |
| 2.3.3 近邻法 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 小波包分解及重构在EEG处理中的应用 | 第36-48页 |
| 3.1 小波包分解与共空域模式结合 | 第36-38页 |
| 3.1.1 常用的小波特征提取方法 | 第36-37页 |
| 3.1.2 本实验算法思路 | 第37-38页 |
| 3.2 实验数据 | 第38-42页 |
| 3.2.1 两任务想象运动实验范式 | 第38-40页 |
| 3.2.2 数据预处理过程 | 第40-42页 |
| 3.3 实验过程及结果分析 | 第42-47页 |
| 3.3.1 小波包子空间分解系数选择 | 第43-44页 |
| 3.3.2 三种方法结果的分析及讨论 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 滑动窗在时间段和频带选择中的应用 | 第48-63页 |
| 4.1 脑电信号自动分析 | 第48-50页 |
| 4.1.1 自动分析技术的难点 | 第48-49页 |
| 4.1.2 本实验思路 | 第49-50页 |
| 4.2 实验数据及预处理 | 第50-52页 |
| 4.2.1 多任务想象运动实验范式 | 第50-52页 |
| 4.2.2 数据记录及预处理 | 第52页 |
| 4.3 实验过程及结果分析 | 第52-62页 |
| 4.3.1 三分类结果及分析 | 第54-58页 |
| 4.3.2 四分类结果及分析 | 第58-60页 |
| 4.3.3 实验结果讨论 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-66页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 未来工作展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间的研究成果 | 第70页 |
