| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 脑电信号处理方法的研究现状 | 第11-14页 |
| 1.2.1 时域分析与频域分析方法 | 第12-13页 |
| 1.2.2 非线性分析方法 | 第13页 |
| 1.2.3 盲源分离方法 | 第13-14页 |
| 1.3 低秩稀疏分解的研究现状 | 第14-17页 |
| 1.3.1 压缩感知的研究 | 第15页 |
| 1.3.2 低秩稀疏分解在图像上的研究 | 第15-16页 |
| 1.3.3 低秩稀疏分解在脑电去伪迹中的尝试 | 第16-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 论文结构安排 | 第18-21页 |
| 第二章 脑电信号的低秩稀疏分解方法 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 低秩稀疏分解方法 | 第21-27页 |
| 2.2.1 迭代阈值算法 | 第22-23页 |
| 2.2.2 加速邻近梯度算法 | 第23-25页 |
| 2.2.3 对偶方法 | 第25页 |
| 2.2.4 增广拉格朗日乘子法 | 第25-27页 |
| 2.3 脑电信号的低秩稀疏分解方法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于脑电低秩部分的身份识别研究 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 身份识别数据集 | 第29-30页 |
| 3.3 基于GoDec算法的脑电信号处理 | 第30-32页 |
| 3.4 特征提取 | 第32-34页 |
| 3.4.1 基于相位的脑电信号特征提取 | 第33-34页 |
| 3.4.2 原信号与低秩信号相结合的特征投影 | 第34页 |
| 3.5 稀疏表达分类器 | 第34-36页 |
| 3.6 实验结果 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 基于脑电稀疏部分的运动想象认知任务研究 | 第39-55页 |
| 4.1 引言 | 第39页 |
| 4.2 运动想象数据集 | 第39-40页 |
| 4.3 基于低秩稀疏分解的脑电信号处理 | 第40-43页 |
| 4.3.1 GreGoDec算法 | 第40-41页 |
| 4.3.2 贝叶斯鲁棒性矩阵分解 | 第41-43页 |
| 4.4 特征提取 | 第43-45页 |
| 4.5 线性判别分类器 | 第45-47页 |
| 4.6 实验结果 | 第47-53页 |
| 4.6.1 基于GreGoDec算法和MBRMF算法的结果分析 | 第48-49页 |
| 4.6.2 基于GoDec算法的结果分析 | 第49-52页 |
| 4.6.3 实验结果总结 | 第52-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-59页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 展望 | 第56-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
| 详细摘要 | 第66-68页 |