四类运动想象任务的脑电信号识别算法研究
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究的背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.3 目前存在的主要问题 | 第19页 |
| 1.4 主要研究内容及论文结构 | 第19-21页 |
| 第二章 运动想象实验范式与脑电预处理 | 第21-29页 |
| 2.1 脑电信号的生理机制 | 第21-22页 |
| 2.2 脑电信号的采集 | 第22-24页 |
| 2.2.1 运动想象实验范式 | 第23-24页 |
| 2.2.2 脑电数据描述 | 第24页 |
| 2.3 脑电信号预处理 | 第24-27页 |
| 2.3.1 相干平均 | 第24-25页 |
| 2.3.2 结果与分析 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 四类运动想象任务的脑电信号特征提取 | 第29-45页 |
| 3.1 小波变换特征提取 | 第29-33页 |
| 3.1.1 小波变换的基本原理 | 第29-30页 |
| 3.1.2 小波基选择 | 第30页 |
| 3.1.3 基于小波变换的脑电特征提取 | 第30-31页 |
| 3.1.4 仿真结果 | 第31-33页 |
| 3.2 共空间模式特征提取 | 第33-39页 |
| 3.2.1 共空间模式方法及改进 | 第33-35页 |
| 3.2.2 改进的共空间模式方法提取脑电特征 | 第35-36页 |
| 3.2.3 仿真结果 | 第36-39页 |
| 3.3 基于共空间模式的脑电导联优化 | 第39-40页 |
| 3.4 小波-共空间模式特征提取 | 第40-43页 |
| 3.4.1 特征提取方法 | 第40页 |
| 3.4.2 仿真结果 | 第40-43页 |
| 3.5 三种方法比较分析 | 第43-45页 |
| 第四章 四类运动想象任务的脑电特征识别 | 第45-57页 |
| 4.1 支持向量机 | 第45-49页 |
| 4.1.1 支持向量机基本理论 | 第45-47页 |
| 4.1.2 参数优化 | 第47-48页 |
| 4.1.3 支持向量机算法的扩展 | 第48-49页 |
| 4.2 支持向量机与共空间模式的融合分类 | 第49-53页 |
| 4.2.1 融合分类方法 | 第49-52页 |
| 4.2.2 分类器评价 | 第52页 |
| 4.2.3 仿真结果与分析 | 第52-53页 |
| 4.3 概率神经网络 | 第53-55页 |
| 4.3.1 概率神经网络的基本原理 | 第53-54页 |
| 4.3.2 四类运动想象任务的脑电特征识别 | 第54-55页 |
| 4.3.3 仿真结果与分析 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 个人简况及联系方式 | 第66-68页 |
