| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-14页 |
| 2 脑电信号处理 | 第14-28页 |
| ·脑电信号的特征 | 第14-15页 |
| ·主要特点 | 第14页 |
| ·主要频率成分 | 第14-15页 |
| ·脑电信号的分类 | 第15页 |
| ·脑电信号的采集 | 第15-16页 |
| ·电极安放位置图 | 第16页 |
| ·脑电导联方法 | 第16页 |
| ·EEG数据的预处理 | 第16-20页 |
| ·EEG的噪声干扰 | 第17页 |
| ·预处理目标 | 第17-18页 |
| ·低通滤波 | 第18-20页 |
| ·脑电信号的特征提取 | 第20-21页 |
| ·特征提取定义及分类 | 第20页 |
| ·时域分析和频域分析 | 第20-21页 |
| ·主要的特征提取算法 | 第21-26页 |
| ·快速傅立叶变换(Fast Fourier Transform,FFT) | 第21页 |
| ·短时傅立叶变换(short Time Fourier Transform,STFT) | 第21-22页 |
| ·小波变换 | 第22-26页 |
| ·本章小结 | 第26-28页 |
| 3 模式识别 | 第28-40页 |
| ·模式识别概述 | 第28页 |
| ·常用方法 | 第28-29页 |
| ·线性判别式分析 | 第29-31页 |
| ·基本概念和原理 | 第29-30页 |
| ·Fisher判别准则 | 第30-31页 |
| ·支持向量机 | 第31-36页 |
| ·最小化准则的提出 | 第32-33页 |
| ·线性SVM | 第33-34页 |
| ·非线性SVM | 第34-36页 |
| ·人工神经网络 | 第36-38页 |
| ·神经网络在模式识别中的特点 | 第36页 |
| ·BP神经网络算法及其识别原理 | 第36-38页 |
| ·本章小解 | 第38-40页 |
| 4 P300信号处理和分类 | 第40-58页 |
| ·P300信号的特性 | 第40-41页 |
| ·实验数据采集 | 第41-43页 |
| ·实验场景 | 第41页 |
| ·耙信号 | 第41-42页 |
| ·信号采集和数据存储 | 第42-43页 |
| ·信号预处理 | 第43-47页 |
| ·工频噪声的影响 | 第43-45页 |
| ·滤波处理 | 第45-46页 |
| ·平均叠加消噪 | 第46-47页 |
| ·特征提取 | 第47-52页 |
| ·基本特征 | 第47-48页 |
| ·电极优选 | 第48-49页 |
| ·时域特征提取 | 第49-50页 |
| ·特征提取步骤 | 第50-52页 |
| ·支持向量机 | 第52-56页 |
| ·LIBSVM简介 | 第52页 |
| ·LIBSVM的使用 | 第52-53页 |
| ·分类实验的目标 | 第53-54页 |
| ·分类器设计 | 第54页 |
| ·结果与讨论 | 第54-56页 |
| ·本章总结 | 第56-58页 |
| 5 两种不同的想象运动的BCI研究 | 第58-76页 |
| ·想象动作的ERD/ERS现象 | 第58-60页 |
| ·ERD/ERS的神经生理学意义 | 第58-59页 |
| ·想象动作的过程 | 第59-60页 |
| ·实验场景与采样数据 | 第60-61页 |
| ·实验场景 | 第60页 |
| ·实验数据 | 第60-61页 |
| ·信号预处理 | 第61-64页 |
| ·基本步骤 | 第61页 |
| ·小波变换 | 第61-64页 |
| ·特征提取 | 第64-74页 |
| ·电位特征提取 | 第64-66页 |
| ·功率谱法 | 第66-70页 |
| ·基于频率分段的组合特征 | 第70-71页 |
| ·基于时频域的组合特征 | 第71-74页 |
| ·本章总结 | 第74-76页 |
| 6 总结 | 第76-78页 |
| ·课题总结 | 第76-77页 |
| ·课题展望 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 作者简历 | 第80-82页 |
| 学位论文数据集 | 第82页 |