事件相关脑电信号单导少次提取与分类算法
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| CONTENTS | 第10-13页 |
| 图表目录 | 第13-16页 |
| 1 绪论 | 第16-28页 |
| ·研究背景与意义 | 第16-18页 |
| ·事件相关电位少次提取的研究进展 | 第18-22页 |
| ·时域方法 | 第18-19页 |
| ·空域方法 | 第19-21页 |
| ·变换域方法 | 第21-22页 |
| ·运动想象脑电信号特征分类的研究进展 | 第22-24页 |
| ·特征提取方法 | 第22-23页 |
| ·分类算法 | 第23-24页 |
| ·研究内容与章节安排 | 第24-28页 |
| ·研究内容 | 第24-25页 |
| ·章节安排 | 第25-28页 |
| 2 虚拟信号通道独立分量分析的算法研究 | 第28-50页 |
| ·引言 | 第28页 |
| ·独立分量分析 | 第28-31页 |
| ·算法模型 | 第28-29页 |
| ·数据预处理 | 第29-30页 |
| ·独立性准则与迭代算法 | 第30-31页 |
| ·独立分量分析的适用性分析 | 第31-39页 |
| ·比较实验 | 第31-37页 |
| ·适用性分析 | 第37-39页 |
| ·虚拟通道独立分量分析 | 第39-48页 |
| ·虚拟噪声通道模型 | 第39-40页 |
| ·虚拟噪声通道模型的仿真实验与分析 | 第40-41页 |
| ·虚拟信号通道模型 | 第41-42页 |
| ·虚拟信号通道模型的比较实验与分析 | 第42-45页 |
| ·视觉诱发电位提取的比较实验与分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 3 广义子空间矩阵滤波的算法研究 | 第50-68页 |
| ·引言 | 第50页 |
| ·矩阵滤波器 | 第50-51页 |
| ·滤波矩阵的正则化法求解 | 第51-53页 |
| ·广义子空间矩阵滤波法 | 第53-57页 |
| ·滤波矩阵的结构推导 | 第53-54页 |
| ·滤波矩阵的自适应求解方法 | 第54-56页 |
| ·平均子空间矩阵滤波法 | 第56-57页 |
| ·实验结果与分析 | 第57-65页 |
| ·广义子空间矩阵滤波法的比较实验与分析 | 第57-64页 |
| ·视觉诱发电位提取实验 | 第64-65页 |
| ·本章小结 | 第65-68页 |
| 4 加权阈值小波分析的算法研究 | 第68-90页 |
| ·引言 | 第68页 |
| ·小波变换 | 第68-71页 |
| ·小波变换原理 | 第68-70页 |
| ·常用阈值法 | 第70-71页 |
| ·加权阈值小波分析法 | 第71-76页 |
| ·小波系数向量表示与预白化 | 第71-74页 |
| ·加权阈值法 | 第74-76页 |
| ·信号还原 | 第76页 |
| ·实验结果与分析 | 第76-88页 |
| ·加权阈值小波分析法的比较实验与分析 | 第76-86页 |
| ·视觉诱发电位提取实验 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 5 自适应特征提取与动态分类的算法研究 | 第90-122页 |
| ·引言 | 第90页 |
| ·实验数据 | 第90-93页 |
| ·实验范式 | 第90-92页 |
| ·运动想象竞赛数据 | 第92-93页 |
| ·信号预处理方法 | 第93-96页 |
| ·时域滤波与比较分析 | 第93-94页 |
| ·空域滤波 | 第94-96页 |
| ·动态分析思想 | 第96-97页 |
| ·自适应特征提取方法 | 第97-110页 |
| ·自适应小波基特征提取方法 | 第97-102页 |
| ·自适应投影基特征提取方法 | 第102-108页 |
| ·特征分布研究与比较分析 | 第108-110页 |
| ·动态分类算法 | 第110-120页 |
| ·序贯贝叶斯后验概率方法 | 第110-112页 |
| ·序贯似然比检验方法 | 第112-115页 |
| ·分类结果与比较分析 | 第115-120页 |
| ·本章小结 | 第120-122页 |
| 6 结论与展望 | 第122-124页 |
| 参考文献 | 第124-136页 |
| 创新点摘要 | 第136-138页 |
| 攻读博士学位期间科研项目及科研成果 | 第138-140页 |
| 致谢 | 第140-142页 |
| 作者简介 | 第142-143页 |
