| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文结构安排 | 第13-16页 |
| 第二章 主要伪迹成分及去除方法 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 主要伪迹成分 | 第16-18页 |
| 2.3 自适应滤波方法 | 第18-20页 |
| 2.3.1 最小均方(LMS)算法 | 第18-19页 |
| 2.3.2 最小二乘(RLS)算法 | 第19-20页 |
| 2.4 小波变换方法 | 第20-21页 |
| 2.5 主成分分析方法 | 第21-23页 |
| 2.6 独立成分分析方法 | 第23-28页 |
| 2.6.1 ICA基本原理与算法 | 第24-25页 |
| 2.6.2 ICA的主要判据 | 第25-27页 |
| 2.6.3 ICA方法的分类 | 第27-28页 |
| 2.7 FastICA算法 | 第28-30页 |
| 2.8 本章小结 | 第30-32页 |
| 第三章 基于FastICA的眼电伪迹自动去除方法 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 眼电伪迹及研究现状 | 第32-33页 |
| 3.3 基本原理 | 第33-35页 |
| 3.3.1 基于负熵的FastICA算法 | 第33-34页 |
| 3.3.2 GFP和相关系数 | 第34-35页 |
| 3.4 方法概述 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-41页 |
| 3.5.1 数据采集 | 第36-37页 |
| 3.5.2 计算GFP和 ICA | 第37-39页 |
| 3.5.3 识别眼电伪迹独立分量 | 第39页 |
| 3.5.4 EEG信号重构 | 第39-41页 |
| 3.6 过估计问题解决方法 | 第41-44页 |
| 3.6.1 方法步骤 | 第41-42页 |
| 3.6.2 结果与分析 | 第42-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 基于小波包的零参考电极与平均参考电极的分类比较 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 平均参考电极和参考电极标准化原理 | 第46-47页 |
| 4.3 小波包分解 | 第47-50页 |
| 4.3.1 EEG信号的小波包节律 | 第48-49页 |
| 4.3.2 小波包节律特征提取 | 第49-50页 |
| 4.4 支持向量机 | 第50-51页 |
| 4.5 方法步骤 | 第51-52页 |
| 4.6 结果与分析 | 第52-58页 |
| 4.6.1 数据的采集 | 第52-53页 |
| 4.6.2 数据预处理 | 第53页 |
| 4.6.3 结果分析 | 第53-58页 |
| 4.7 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文工作 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间已发表和录用的学术论文 | 第68页 |