| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-22页 |
| ·人类的大脑 | 第11-12页 |
| ·大脑的构造 | 第11页 |
| ·大脑左右脑的功能区别 | 第11-12页 |
| ·脑机接口概述 | 第12-16页 |
| ·脑机接口的概念 | 第12-13页 |
| ·脑机接口系统组成 | 第13页 |
| ·脑机接口的研究现状 | 第13-16页 |
| ·常用的脑电信号处理方法概述 | 第16-21页 |
| ·脑电信号处理流程 | 第16页 |
| ·预处理方法 | 第16-17页 |
| ·特征提取方法 | 第17-19页 |
| ·模式识别方法 | 第19-21页 |
| ·本文的研究内容及论文框架 | 第21-22页 |
| 第2章 实验方案设计与数据采集 | 第22-28页 |
| ·视觉刺激方案设计 | 第22-24页 |
| ·实验系统相关信息与数据采集 | 第24-27页 |
| ·实验设备概述 | 第24-26页 |
| ·实验数据采集 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 脑电信号概述与预处理 | 第28-38页 |
| ·脑电信号概述 | 第28-29页 |
| ·脑电信号的形成机制 | 第28页 |
| ·脑电信号的特点 | 第28-29页 |
| ·基于小波包和 DEBSS 算法的脑电信号预处理方法 | 第29-35页 |
| ·盲源分离原理 | 第30页 |
| ·DEBSS 算法原理介绍 | 第30-31页 |
| ·实验结果及分析 | 第31-35页 |
| ·脑电信号的预处理 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 脑电信号的特征提取 | 第38-57页 |
| ·ERD/ERS 特征值分析 | 第38-45页 |
| ·ERD/ERS 现象 | 第38-39页 |
| ·ERD/ERS 特征值 | 第39-40页 |
| ·ERD/ERS 特征值分布 | 第40-45页 |
| ·单因素方差分析 | 第45-49页 |
| ·单因素多组群方差分析 | 第45-46页 |
| ·单因素两组群方差分析 | 第46-47页 |
| ·ERD/ERS 特征值的单因素方差分析 | 第47-49页 |
| ·基于小波包分解的脑电信号分析 | 第49-56页 |
| ·小波包分解原理 | 第49-50页 |
| ·频段能量及小波熵 | 第50-51页 |
| ·脑电信号的小波包分解 | 第51-52页 |
| ·脑电信号的节律能量及小波熵分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 脑电信号的模式识别 | 第57-66页 |
| ·特征向量的构造及说明 | 第57-58页 |
| ·基于 BP 神经网络的模式识别 | 第58-60页 |
| ·基于 SVM 支持向量机的模式识别 | 第60-62页 |
| ·基于 Mahalanobis 距离分类算法的模式识别 | 第62-64页 |
| ·模式识别结果分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-69页 |
| ·本文工作总结 | 第66-67页 |
| ·研究展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75页 |