| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-18页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 本文主要工作 | 第16-18页 |
| 2 运动观察实验范式设计 | 第18-22页 |
| 2.1 实验环境和被试对象 | 第18页 |
| 2.2 实验范式设计 | 第18-21页 |
| 2.3.1 E-prime2.0 软件和SMI眼动仪的连接 | 第19页 |
| 2.3.2 实验范式程序设计 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 运动观察脑电信号分析 | 第22-33页 |
| 3.1 基于眼动轨迹分析的有效任务确定 | 第22-23页 |
| 3.2 预处理 | 第23-25页 |
| 3.3 运动观察脑电特征分析 | 第25-32页 |
| 3.3.1 基于小波包变换的脑电信号重构 | 第26-27页 |
| 3.3.2 定位激活脑区及确定关键通道 | 第27-29页 |
| 3.3.3 确定特征明显频段 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 运动观察过程的因果网络分析 | 第33-52页 |
| 4.1 运动观察因果网络的基本测度 | 第33-34页 |
| 4.2 运动观察因果网络的分析 | 第34-36页 |
| 4.2.1 线性格兰杰因果关系分析 | 第34-35页 |
| 4.2.2 部分定向相干分析 | 第35-36页 |
| 4.2.3 定向传递函数分析 | 第36页 |
| 4.3 运动观察因果网络的构建 | 第36-44页 |
| 4.3.1 GC、PDC、DTF值的计算 | 第37-38页 |
| 4.3.2 阈值的选择 | 第38-42页 |
| 4.3.3 生成邻接矩阵及构建网络 | 第42-44页 |
| 4.4 运动观察因果网络的属性分析 | 第44-50页 |
| 4.4.1 度分析 | 第44-47页 |
| 4.4.2 聚类系数分析 | 第47-49页 |
| 4.4.3 全局效率分析 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 运动观察脑电特征识别 | 第52-64页 |
| 5.1 基于CSP的运动观察特征提取 | 第52-53页 |
| 5.2 基于SVM的运动观察分类识别 | 第53-54页 |
| 5.3 互信息引导下的前向搜索通道优选 | 第54-57页 |
| 5.3.1 基于最大相关最小冗余的通道排序 | 第54-55页 |
| 5.3.2 基于互信息的前向搜索通道优选 | 第55-57页 |
| 5.4 基于GC的聚类系数分类识别 | 第57页 |
| 5.5 实验数据分析 | 第57-63页 |
| 5.5.1 不同频段特征分类识别比较 | 第59-61页 |
| 5.5.2 通道优化结果分析 | 第61-62页 |
| 5.5.3 聚类系数分类识别 | 第62-63页 |
| 5.6 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 个人简历、在学期间发表的学术论文及参与的项目 | 第72-73页 |