摘要 | 第9-12页 |
ABSTRACT | 第12-15页 |
符号说明 | 第16-18页 |
缩略语简表 | 第18-20页 |
第一章 绪论 | 第20-34页 |
1.1 研究背景和意义 | 第20-22页 |
1.2 脑机接口系统的概述 | 第22页 |
1.3 脑机接口系统的构成 | 第22-24页 |
1.4 脑机接口系统的研究现状 | 第24-30页 |
1.4.1 视觉诱发电位(VEP) | 第25-27页 |
1.4.2 皮层慢电位(SCP) | 第27-28页 |
1.4.3 P300电位 | 第28-29页 |
1.4.4 感觉运动节律 | 第29-30页 |
1.5 脑机接口研究中的关键问题 | 第30-31页 |
1.6 本文结构及研究内容 | 第31-34页 |
第二章 脑机接口系统 | 第34-47页 |
2.1 脑机接口系统 | 第34-38页 |
2.2 基于运动想象的脑机接口系统 | 第38-39页 |
2.3 脑机接口系统的信号处理部分概述 | 第39-43页 |
2.3.1 预处理 | 第40-41页 |
2.3.2 信道选择 | 第41页 |
2.3.3 特征提取 | 第41-42页 |
2.3.4 分类识别 | 第42-43页 |
2.4 脑机接口系统评估标准 | 第43-45页 |
2.5 脑机接口竞赛数据库 | 第45-46页 |
2.6 本章小结 | 第46-47页 |
第三章 基于改进S变换的脑电特征提取 | 第47-63页 |
3.1 时频域分析方法 | 第47-49页 |
3.1.1 短时傅里叶变换 | 第47-48页 |
3.1.2 小波变换 | 第48页 |
3.1.3 其他时频分析方法 | 第48-49页 |
3.2 S变换 | 第49-53页 |
3.2.1 广义S变换 | 第50-51页 |
3.2.2 窗口宽度优化S变换 | 第51-52页 |
3.2.3 改进S变换 | 第52-53页 |
3.3 基于改进S变换的统计测度 | 第53-54页 |
3.4 基于改进S变换的运动想象分类算法 | 第54-62页 |
3.4.1 信号预处理 | 第54-55页 |
3.4.2 特征提取 | 第55页 |
3.4.3 梯度Boosting分类方法 | 第55-57页 |
3.4.4 信道选择 | 第57-58页 |
3.4.5 结果 | 第58-59页 |
3.4.6 讨论 | 第59-62页 |
3.5 本章小结 | 第62-63页 |
第四章 基于自回归模型和局部二值模式的脑电特征提取 | 第63-79页 |
4.1 传统的脑电信号特征提取方法 | 第63-65页 |
4.1.1 频带能量 | 第63页 |
4.1.2 共空间模式 | 第63-65页 |
4.2 自回归模型 | 第65-66页 |
4.3 局部二值模式 | 第66-69页 |
4.3.1 传统的局部二值模式 | 第66-67页 |
4.3.2 旋转不变的局部二值模式 | 第67-69页 |
4.4 基于自回归模型和局部二值模式的运动想象分类算法 | 第69-78页 |
4.4.1 信号预处理 | 第70页 |
4.4.2 特征提取 | 第70-71页 |
4.4.3 分类算法描述 | 第71-73页 |
4.4.4 信道选择 | 第73-74页 |
4.4.5 实验结果 | 第74-76页 |
4.4.6 讨论 | 第76-78页 |
4.5 本章小结 | 第78-79页 |
第五章 基于分形特征和局部二值模式的脑电特征提取 | 第79-97页 |
5.1 分形几何理论 | 第79-82页 |
5.2 分形维数 | 第82-85页 |
5.2.1 相似维数 | 第82-83页 |
5.2.2 盒维 | 第83-85页 |
5.3 毯子维 | 第85-88页 |
5.4 截距和缺项 | 第88-89页 |
5.5 脑电信号的分形特征 | 第89-91页 |
5.6 基于分形特征和局部二值模式的运动想象分类算法 | 第91-96页 |
5.6.1 信号预处理 | 第91页 |
5.6.2 特征提取 | 第91-92页 |
5.6.3 分类器和信道选择 | 第92-93页 |
5.6.4 实验结果 | 第93-94页 |
5.6.5 讨论 | 第94-96页 |
5.7 本章小结 | 第96-97页 |
第六章 总结与展望 | 第97-100页 |
6.1 论文总结 | 第97-98页 |
6.2 研究展望 | 第98-100页 |
参考文献 | 第100-117页 |
致谢 | 第117-118页 |
攻读学位期间发表的学术论文和参与的科研项目 | 第118-119页 |
附件:外文论文两篇 | 第119-142页 |
学位论文评闻及答辩情况表 | 第142页 |