脑—机系统中特征提取方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·BCI的组成及研究现状 | 第10-12页 |
| ·研究的目的和意义 | 第12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第2章 脑电信号的预处理 | 第14-20页 |
| ·引言 | 第14页 |
| ·实验数据描述 | 第14-15页 |
| ·脑电信号的预处理 | 第15-18页 |
| ·低通滤波 | 第16-18页 |
| ·空间滤波 | 第18页 |
| ·本章小结 | 第18-20页 |
| 第3章 脑电信号的特征提取方法 | 第20-37页 |
| ·引言 | 第20页 |
| ·时域分析 | 第20-22页 |
| ·运用时间滑动窗进行特征提取 | 第20-22页 |
| ·频域分析 | 第22-27页 |
| ·脑电信号的事件相关同步性与事件相关去同步性 | 第22-23页 |
| ·经典功率谱估计 | 第23-24页 |
| ·功率谱估计和参数模型 | 第24-27页 |
| ·时/频域分析 | 第27-31页 |
| ·小波及小波包分析 | 第27-31页 |
| ·实验结果与讨论 | 第31-35页 |
| ·时间滑动窗 | 第31-32页 |
| ·功率谱估计与 AR模型参数 | 第32-33页 |
| ·信号的小波包分解 | 第33-34页 |
| ·特征组合 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 意识任务识别方法 | 第37-49页 |
| ·引言 | 第37页 |
| ·线性识别算法 | 第37-38页 |
| ·线性判别式分析算法 | 第37-38页 |
| ·神经网络 | 第38-45页 |
| ·神经网络在模式识别中的特点 | 第38-39页 |
| ·BP神经网络算法及识别原理 | 第39-43页 |
| ·意识任务识别在 BP神经网络中的实现 | 第43-45页 |
| ·集成神经网络 | 第45-48页 |
| ·集成神经网络系统的结构 | 第46-47页 |
| ·意识任务识别在神经网络集成中的实现 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 各种特征提取和识别方法的比较 | 第49-52页 |
| ·引言 | 第49页 |
| ·实验结果的分析与结论 | 第49-52页 |
| ·特征提取方法的对比与讨论 | 第49-50页 |
| ·识别算法方法的对比与讨论 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59页 |
