| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 脑电信号识别研究现状 | 第11-12页 |
| 1.3 深度学习发展状况 | 第12-15页 |
| 1.3.1 第一代神经网络时期 | 第13页 |
| 1.3.2 第二代神经网络时期 | 第13-14页 |
| 1.3.3 第三代神经网络时期 | 第14-15页 |
| 1.4 论文的创新点和主要内容 | 第15-17页 |
| 1.4.1 论文创新点 | 第15页 |
| 1.4.2 论文主要内容 | 第15-17页 |
| 第二章 脑电信号的生理基础、采集方法和特点 | 第17-22页 |
| 2.1 脑电信号的生理基础 | 第17-19页 |
| 2.1.1 人脑结构 | 第17-18页 |
| 2.1.2 神经元结构 | 第18-19页 |
| 2.2 脑电信号采集方法 | 第19-20页 |
| 2.3 脑电信号特点 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于纹理特征的脑电信号识别研究 | 第22-32页 |
| 3.1 引言 | 第22-23页 |
| 3.2 脑电信号数据介绍及预处理 | 第23-24页 |
| 3.2.1 数据介绍 | 第23页 |
| 3.2.2 数据预处理 | 第23-24页 |
| 3.3 脑电信号纹理特征 | 第24-28页 |
| 3.3.1 脑电信号量化 | 第24页 |
| 3.3.2 脑电信号直方图 | 第24-25页 |
| 3.3.3 基于直方图的脑电信号纹理特征 | 第25-26页 |
| 3.3.4 脑电信号幅度共生矩阵(ALCM) | 第26-27页 |
| 3.3.5 基于幅度共生矩阵的脑电信号纹理特征 | 第27-28页 |
| 3.4 模型训练与实验结果 | 第28-30页 |
| 3.4.1 SVM原理 | 第28-29页 |
| 3.4.2 模型训练 | 第29页 |
| 3.4.3 实验结果 | 第29-30页 |
| 3.5 结论 | 第30页 |
| 3.6 本章小结 | 第30-32页 |
| 第四章 基于通道注意力机制的脑电信号识别 | 第32-54页 |
| 4.1 引言 | 第32-33页 |
| 4.2 深度学习基础 | 第33-43页 |
| 4.2.1 多层感知器 | 第33-34页 |
| 4.2.2 卷积神经网络特点 | 第34-35页 |
| 4.2.3 卷积神经网络核心组件 | 第35-40页 |
| 4.2.4 典型的卷积神经网络 | 第40-43页 |
| 4.2.5 深度学习基石-梯度下降算法 | 第43页 |
| 4.3 通道注意力模块(Channel Attention Module,CAM) | 第43-45页 |
| 4.3.1 CAM应用流程 | 第43-44页 |
| 4.3.2 CAM详细结构 | 第44-45页 |
| 4.4 基于残差通道注意力单元的卷积神经网络架构 | 第45-48页 |
| 4.4.1 残差通道注意力单元(Residual Channel Attention Unit,RCAU) | 第45-46页 |
| 4.4.2 卷积神经网络架构(CAMResNet) | 第46-48页 |
| 4.5 实验结果及分析 | 第48-53页 |
| 4.5.1 数据介绍 | 第48-50页 |
| 4.5.2 问题定义及训练 | 第50页 |
| 4.5.3 实验结果 | 第50-52页 |
| 4.5.4 结论 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 基于卷积循环神经网络的脑电信号识别 | 第54-68页 |
| 5.1 引言 | 第54页 |
| 5.2 循环神经网络介绍 | 第54-57页 |
| 5.2.1 序列建模 | 第54页 |
| 5.2.2 循环网络(RNN) | 第54-55页 |
| 5.2.3 长短期记忆网络(LSTM) | 第55-57页 |
| 5.3 长短期记忆网络门结构 | 第57-59页 |
| 5.3.1 遗忘门结构 | 第57-58页 |
| 5.3.2 输入门结构 | 第58-59页 |
| 5.3.3 输出门结构 | 第59页 |
| 5.4 卷积循环网络结构 | 第59-64页 |
| 5.4.1 卷积循环网络(CRNN)架构 | 第60-61页 |
| 5.4.2 特征提取层(CNN层)结构 | 第61-62页 |
| 5.4.3 RNN层结构 | 第62-63页 |
| 5.4.4 Attention层结构 | 第63-64页 |
| 5.5 实验结果及分析 | 第64-67页 |
| 5.5.1 特征层采用不同下采样倍数实验分析 | 第64-65页 |
| 5.5.2 attention层实验分析 | 第65-66页 |
| 5.5.3 特征层实验分析 | 第66-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间取得的研究成果 | 第76页 |
