| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-33页 |
| 1.1 研究背景 | 第13-22页 |
| 1.1.1 脑电信号 | 第14-18页 |
| 1.1.2 基于脑电的脑-机接口系统 | 第18-22页 |
| 1.2 脑电信号的时空分析算法 | 第22-29页 |
| 1.2.1 时空分析的意义 | 第22-23页 |
| 1.2.2 脑电信号时空分析算法的研究现状 | 第23-28页 |
| 1.2.3 实际应用中存在的主要问题 | 第28-29页 |
| 1.3 本文主要研究内容 | 第29-31页 |
| 1.4 本文结构 | 第31-33页 |
| 第二章 面向单试次脑电信号的时空滤波和分类方法研究 | 第33-57页 |
| 2.1 引言 | 第33-35页 |
| 2.2 RSTFC的数学模型 | 第35-41页 |
| 2.2.1 特征提取模块 | 第36-40页 |
| 2.2.2 特征选择和分类模块 | 第40-41页 |
| 2.3 数据分析与结果 | 第41-53页 |
| 2.3.1 脑电数据描述 | 第41-42页 |
| 2.3.2 数据分析流程 | 第42-43页 |
| 2.3.3 超参数选择 | 第43页 |
| 2.3.4 结果分析 | 第43-53页 |
| 2.4 基于RSTFC的在线系统 | 第53页 |
| 2.5 讨论 | 第53-56页 |
| 2.5.1 SSTRCSP的求解 | 第54-55页 |
| 2.5.2 性能分析 | 第55-56页 |
| 2.6 本章小结 | 第56-57页 |
| 第三章 基于联合时空滤波的导联选择方法研究 | 第57-77页 |
| 3.1 引言 | 第57-59页 |
| 3.2 CCSSTF的数学模型 | 第59-64页 |
| 3.2.1 时空滤波 | 第60页 |
| 3.2.2 组稀疏约束下的导联选择 | 第60-63页 |
| 3.2.3 多个时空滤波器的获取 | 第63-64页 |
| 3.3 CCSSTF的变种算法 | 第64-67页 |
| 3.3.1 CCSSTF2 | 第64-65页 |
| 3.3.2 C-CCSSTF | 第65-67页 |
| 3.4 数据分析与结果 | 第67-76页 |
| 3.4.1 脑电数据描述 | 第68页 |
| 3.4.2 数据分析流程 | 第68-69页 |
| 3.4.3 性能分析 | 第69-76页 |
| 3.4.4 计算复杂度分析 | 第76页 |
| 3.5 本章小结 | 第76-77页 |
| 第四章 基于联合空域滤波和时域内加权降采样的ERP信号特征提取算法研究 | 第77-93页 |
| 4.1 引言 | 第77-80页 |
| 4.2 ERP的理论背景 | 第80-82页 |
| 4.2.1 传统的ERP信号模型 | 第80-81页 |
| 4.2.2 时空判别学习算法 | 第81-82页 |
| 4.3 SFTDS的数学模型 | 第82-85页 |
| 4.3.1 空域滤波 | 第82-83页 |
| 4.3.2 时域信号加权降采样 | 第83-85页 |
| 4.3.3 7)2-范数正则化 | 第85页 |
| 4.4 数据分析与结果 | 第85-91页 |
| 4.4.1 数据描述 | 第85-88页 |
| 4.4.2 结果分析 | 第88-91页 |
| 4.5 本章小结 | 第91-93页 |
| 第五章 基于黎曼距离的脑电信号迁移学习方法研究 | 第93-109页 |
| 5.1 引言 | 第93-95页 |
| 5.2 经典的数据处理模型 | 第95-97页 |
| 5.2.1 共空域模式 | 第96页 |
| 5.2.2 Fisher线性判别分析 | 第96-97页 |
| 5.3 RDTL算法 | 第97-100页 |
| 5.3.1 基于黎曼距离的样本迁移 | 第98-99页 |
| 5.3.2 样本迁移后的模型训练 | 第99-100页 |
| 5.4 数据分析与结果 | 第100-107页 |
| 5.4.1 数据描述 | 第100-101页 |
| 5.4.2 超参数设置 | 第101-102页 |
| 5.4.3 分类性能分析 | 第102-105页 |
| 5.4.4 拓扑图示例 | 第105-107页 |
| 5.4.5 讨论 | 第107页 |
| 5.5 本章小结 | 第107-109页 |
| 第六章 总结与展望 | 第109-113页 |
| 6.1 本文的研究内容总结 | 第109-110页 |
| 6.2 未来研究展望 | 第110-113页 |
| 参考文献 | 第113-127页 |
| 攻读博士学位期间取得的研究成果 | 第127-129页 |
| 致谢 | 第129-130页 |
| 附件 | 第130页 |