| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 BCI技术概述 | 第12-13页 |
| 1.1.1 脑-机接口的基本组成 | 第12-13页 |
| 1.1.2 脑-机接口的分类 | 第13页 |
| 1.2 脑-机接口的研究意义 | 第13-15页 |
| 1.3 国内外研究现状和发展 | 第15-16页 |
| 1.4 本文主要工作内容及组织结构 | 第16-18页 |
| 第2章 运动想象脑电信号 | 第18-24页 |
| 2.1 脑电信号的基本理论 | 第18-20页 |
| 2.1.1 大脑的结构和功能 | 第18页 |
| 2.1.2 脑电信号产生的机制 | 第18-19页 |
| 2.1.3 脑电信号的分类 | 第19页 |
| 2.1.4 脑电信号的特点 | 第19-20页 |
| 2.2 脑电信号的采集 | 第20-21页 |
| 2.3 运动想象脑电信号的特点 | 第21页 |
| 2.4 实验数据 | 第21-22页 |
| 2.4.1 运动想象脑电数据集一 | 第21-22页 |
| 2.4.2 运动想象脑电数据集二 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 运动想象脑电信号的消噪 | 第24-40页 |
| 3.1 小波分析法 | 第24-28页 |
| 3.1.1 模极大值消噪 | 第24-25页 |
| 3.1.2 空域相关性消噪 | 第25-26页 |
| 3.1.3 小波阈值消噪 | 第26-28页 |
| 3.2 经验模态分解 | 第28-30页 |
| 3.2.1 固有模态函数 | 第28页 |
| 3.2.2 经验模态分解 | 第28-30页 |
| 3.2.3 集合经验模态分解 | 第30页 |
| 3.3 基于EEMD和改进小波阈值的消噪方法 | 第30-32页 |
| 3.3.1 改进小波阈值算法 | 第30-31页 |
| 3.3.3 基于EEMD和改进小波阈值法的消噪方法 | 第31-32页 |
| 3.4 实验仿真 | 第32-39页 |
| 3.4.1 标准信号加噪仿真实验 | 第32-35页 |
| 3.4.2 运动想象EEG消噪实验 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 运动想象脑电信号的特征提取及其优化 | 第40-53页 |
| 4.1 小波包分解 | 第40-42页 |
| 4.2 希尔伯特-黄变换 | 第42-48页 |
| 4.3 共空间模式 | 第48-50页 |
| 4.4 特征提取的优化 | 第50-52页 |
| 4.4.1 通道的选择 | 第50-51页 |
| 4.4.2 基于决策树的特征选择 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 运动想象脑电信号的分类 | 第53-62页 |
| 5.1 常用的脑电分类方法 | 第53-55页 |
| 5.1.1 线性判别分析 | 第53-54页 |
| 5.1.2 神经网络分类器 | 第54-55页 |
| 5.1.3 支持向量机分类器 | 第55页 |
| 5.2 支持向量机 | 第55-61页 |
| 5.2.1 基本原理 | 第55-56页 |
| 5.2.2 线性支持向量机 | 第56-57页 |
| 5.2.3 非线性支持向量机 | 第57-58页 |
| 5.2.4 惩罚因子和核参数的寻优 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 实验结果分析 | 第62-71页 |
| 6.1 数据集一结果分析 | 第62-67页 |
| 6.1.1 特征提取 | 第62-63页 |
| 6.1.2 特征分类 | 第63-65页 |
| 6.1.3 分类结果及分析 | 第65-67页 |
| 6.2 数据集二结果分析 | 第67-70页 |
| 6.2.1 通道选择 | 第67页 |
| 6.2.2 特征提取和选择 | 第67-68页 |
| 6.2.3 分类结果及分析 | 第68-70页 |
| 6.3 本章小结 | 第70-71页 |
| 第7章 总结与展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录: | 第79页 |