| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 本文的研究背景及意义 | 第11-13页 |
| 1.2 脑机接口的研究现状 | 第13-18页 |
| 1.2.1 脑机接口概述 | 第13-14页 |
| 1.2.2 脑机接口的研究与发展 | 第14-17页 |
| 1.2.3 目前存在的问题与面临的挑战 | 第17-18页 |
| 1.3 P300脑电信号处理算法的研究现状 | 第18-21页 |
| 1.4 本文的研究内容 | 第21-23页 |
| 第2章 P300脑电信号的基础分析及研究 | 第23-36页 |
| 2.1 引言 | 第23页 |
| 2.2 脑电信号概述 | 第23-29页 |
| 2.2.1 脑电信号的生理学基础 | 第23-24页 |
| 2.2.2 脑电信号的采集方式 | 第24-26页 |
| 2.2.3 EEG脑电信号的特点 | 第26-27页 |
| 2.2.4 EEG脑电信号的分类 | 第27-29页 |
| 2.3 事件相关电位的分析研究 | 第29-31页 |
| 2.3.1 事件相关电位的特征 | 第29-30页 |
| 2.3.2 事件相关电位的成分 | 第30-31页 |
| 2.4 P300电位的分析研究 | 第31-34页 |
| 2.4.1 P300电位的基础应用 | 第31-32页 |
| 2.4.2 P300电位的实验范式 | 第32-33页 |
| 2.4.3 P300电位的数据获取 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 盲源分离算法的理论分析及实现 | 第36-52页 |
| 3.1 引言 | 第36页 |
| 3.2 盲源分离的基本理论 | 第36-41页 |
| 3.2.1 盲源分离的数学模型 | 第36-37页 |
| 3.2.2 盲源分离的不确定性 | 第37-39页 |
| 3.2.3 盲源分离的算法分类 | 第39页 |
| 3.2.4 盲源分离的算法评价标准 | 第39-41页 |
| 3.3 盲源分离的预处理方法 | 第41-42页 |
| 3.3.1 零均值化 | 第41页 |
| 3.3.2 白化处理 | 第41-42页 |
| 3.4 盲源分离的典型算法 | 第42-48页 |
| 3.4.1 基于非高斯性准则和投影追踪的Fast ICA算法 | 第43-44页 |
| 3.4.2 基于信息论准则和自适应处理的Informax算法 | 第44-46页 |
| 3.4.3 基于二阶统计量准则和批处理的SOBI算法 | 第46-47页 |
| 3.4.4 基于四阶统计量准则和批处理的JADE算法 | 第47-48页 |
| 3.5 盲源分离算法的仿真研究及性能比较 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 P300脑电信号的自动提取和特征加强 | 第52-67页 |
| 4.1 引言 | 第52页 |
| 4.2 P300脑电信号的提取算法 | 第52-53页 |
| 4.3 P300脑电信号的时域滤波 | 第53-55页 |
| 4.3.1 基于相干平均的时域滤波 | 第53-54页 |
| 4.3.2 基于平滑伪Wigner-Ville分布的时频分析 | 第54-55页 |
| 4.4 P300脑电信号的频域滤波 | 第55-59页 |
| 4.4.1 基于小波变换的频域滤波 | 第55-56页 |
| 4.4.2 基于SNR和RMSE量化指标的小波基优选 | 第56-59页 |
| 4.5 P300脑电信号的空域滤波 | 第59-60页 |
| 4.5.1 基于盲源分离的空域滤波 | 第59-60页 |
| 4.5.2 基于G1法的初始权重确定 | 第60页 |
| 4.6 P300脑电信号提取效果的对比实验及数据分析 | 第60-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 P300脑电信号的特征优选和分类识别 | 第67-83页 |
| 5.1 引言 | 第67页 |
| 5.2 P300脑电信号的识别算法 | 第67-68页 |
| 5.3 P300脑电信号的特征提取 | 第68-72页 |
| 5.3.1 小波变换过程中的特征 | 第68-70页 |
| 5.3.2 盲源分离过程中的特征 | 第70-72页 |
| 5.4 P300脑电信号的特征优选 | 第72-76页 |
| 5.4.1 类别可分性判据 | 第72-73页 |
| 5.4.2 经典特征优选算法 | 第73-74页 |
| 5.4.3 基于枚举法和顺序前向浮动搜索的特征优选 | 第74-76页 |
| 5.5 P300脑电信号的分类识别 | 第76-80页 |
| 5.5.1 支持向量机 | 第76-78页 |
| 5.5.2 粒子群寻优算法 | 第78-79页 |
| 5.5.3 基于支持向量机和粒子群寻优的分类识别 | 第79-80页 |
| 5.6 P300脑电信号识别效果的对比实验及数据分析 | 第80-81页 |
| 5.7 本章小结 | 第81-83页 |
| 结论 | 第83-86页 |
| 参考文献 | 第86-92页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第92-93页 |
| 致谢 | 第93页 |
