| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 课题的研究背景及意义 | 第14页 |
| 1.2 困倦检测的国内外研究现状 | 第14-19页 |
| 1.2.1 基于眼部状态识别的困倦检测研究现状 | 第15-16页 |
| 1.2.2 基于心电信号的困倦检测研究现状 | 第16-18页 |
| 1.2.3 基于脑电信号的困倦检测研究现状 | 第18-19页 |
| 1.3 本文的主要内容 | 第19-22页 |
| 第2章 脑电信号的特点及相关分析方法 | 第22-38页 |
| 2.1 脑电信号特点 | 第22-24页 |
| 2.2 脑电信号的预处理 | 第24-25页 |
| 2.2.1 累加平均法 | 第24-25页 |
| 2.2.2 主成分分析 | 第25页 |
| 2.3 脑电信号的特征提取 | 第25-28页 |
| 2.3.1 时域分析 | 第25-26页 |
| 2.3.2 频域分析 | 第26页 |
| 2.3.3 时频分析 | 第26-28页 |
| 2.4 脑电信号的分类识别 | 第28-36页 |
| 2.4.1 支持向量机 | 第28-33页 |
| 2.4.2 遗传算法 | 第33页 |
| 2.4.3 人工神经网络 | 第33-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 基于传统频带脑电信号功率谱的困倦检测研究 | 第38-48页 |
| 3.1 传统频带脑电信号的功率谱特征提取方法 | 第38-41页 |
| 3.1.1 数据描述 | 第38-39页 |
| 3.1.2 小波包变换 | 第39-41页 |
| 3.1.3 功率谱特征提取 | 第41页 |
| 3.2 结果与分析 | 第41-46页 |
| 3.2.1 数据处理结果 | 第41-43页 |
| 3.2.2 统计分析 | 第43-44页 |
| 3.2.3 计算分析 | 第44-46页 |
| 3.3 本章小结 | 第46-48页 |
| 第4章 基于传统频带脑电信号方差特征的困倦检测研究 | 第48-64页 |
| 4.1 传统频带脑电信号的方差特征提取方法 | 第48-52页 |
| 4.1.1 数据描述 | 第48-49页 |
| 4.1.2 小波包变换 | 第49-51页 |
| 4.1.3 特征提取 | 第51-52页 |
| 4.2 结果与统计分析 | 第52-61页 |
| 4.2.1 数据处理结果 | 第52-54页 |
| 4.2.2 统计分析 | 第54-60页 |
| 4.2.3 讨论 | 第60-61页 |
| 4.3 本章小结 | 第61-64页 |
| 第5章 基于GA-SVM的脑电信号困倦检测研究 | 第64-74页 |
| 5.1 脑电信号新频带优选算法的研究 | 第64-70页 |
| 5.1.1 数据描述 | 第64页 |
| 5.1.2 小波包变换 | 第64-67页 |
| 5.1.3 支持向量机 | 第67页 |
| 5.1.4 GA-SVM | 第67-70页 |
| 5.2 结果与讨论 | 第70-73页 |
| 5.2.1 数据处理结果 | 第70-72页 |
| 5.2.2 讨论 | 第72-73页 |
| 5.3 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读学位期间发表的论文、发明专利、参与课题 | 第82-84页 |
| 致谢 | 第84-85页 |
| 学位论文评阅及答辩情况表 | 第85页 |