| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题的背景和意义 | 第12-13页 |
| 1.2 脑疲劳的研究现状 | 第13-16页 |
| 1.2.1 脑疲劳分级标准 | 第13-14页 |
| 1.2.2 脑疲劳信号的采集方法 | 第14页 |
| 1.2.3 脑疲劳国内外研究现状 | 第14-16页 |
| 1.3 课题研究面临的挑战 | 第16页 |
| 1.4 研究内容与论文结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 脑电信号的采集 | 第18-25页 |
| 2.1 脑电信号的介绍 | 第18-19页 |
| 2.1.1 大脑的结构与脑电信号产生机理 | 第18页 |
| 2.1.2 脑电信号的特征 | 第18-19页 |
| 2.2 脑疲劳脑电信号的采集 | 第19-24页 |
| 2.2.1 电极的导联方法 | 第19-20页 |
| 2.2.2 脑电采集设备与参数设置 | 第20-22页 |
| 2.2.3 信号采集的注意事项 | 第22页 |
| 2.2.4 脑疲劳实验设计 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 脑电信号预处理 | 第25-40页 |
| 3.1 疲劳脑电信号消噪分析 | 第25-32页 |
| 3.1.1 基于小波系数非线性连续函数衰减的脑电信号去噪 | 第25-28页 |
| 3.1.2 脑电信号去噪分析 | 第28-32页 |
| 3.2 脑电信号特征提取 | 第32-38页 |
| 3.2.1 特征提取概述 | 第32-33页 |
| 3.2.2 Hilbert-Huang变换 | 第33-37页 |
| 3.2.3 平稳小波包变换 | 第37页 |
| 3.2.4 疲劳脑电信号的特征提取分析 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 基于脑电信号的脑疲劳分类方法 | 第40-52页 |
| 4.1 常见的特征分类方法 | 第40-41页 |
| 4.2 最小二乘支持向量机 | 第41-48页 |
| 4.2.1 支持向量机 | 第41-44页 |
| 4.2.2 最小二乘支持向量机 | 第44-46页 |
| 4.2.3 基于粒子群优化的最小二乘支持向量机 | 第46-48页 |
| 4.3 疲劳状态的脑电信号分类 | 第48-50页 |
| 4.3.1 分类器分类正确率对比实验 | 第48-50页 |
| 4.3.2 粒子群优化算法对分类器性能提升的对比实验 | 第50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 脑疲劳程度监测分析软件 | 第52-59页 |
| 5.1 脑电信号检测脑疲劳状态流程 | 第52-55页 |
| 5.2 基于脑电信号的在线疲劳监测实验 | 第55-56页 |
| 5.3 在线疲劳实验数据分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结和展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |