| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 脑机接口概述 | 第12-18页 |
| 1.2.1 大脑的生理结构 | 第13-14页 |
| 1.2.2 脑电信号简介 | 第14-15页 |
| 1.2.3 脑机接口系统简介 | 第15-18页 |
| 1.3 同步EEG-fMRI概述 | 第18-20页 |
| 1.3.1 功能磁共振成像 | 第18-19页 |
| 1.3.2 同步EEG-fMRI简介 | 第19-20页 |
| 1.4 相关技术研究现状 | 第20-22页 |
| 1.4.1 脑机接口技术的现状 | 第20-21页 |
| 1.4.2 同步EEG-fMRI中EEG去伪技术现状 | 第21-22页 |
| 1.5 论文的研究内容及结构安排 | 第22-25页 |
| 1.5.1 主要研究内容 | 第22-23页 |
| 1.5.2 结构安排 | 第23-25页 |
| 第二章 联合数据采集中EEG信号除噪方法 | 第25-40页 |
| 2.1 联合数据采集实验系统 | 第25-30页 |
| 2.1.1 数据采集方式 | 第25-26页 |
| 2.1.2 同步EEG-fMRI系统结构 | 第26页 |
| 2.1.3 联合采集设备及装置 | 第26-28页 |
| 2.1.4 联合采集下的脑机接口实验 | 第28-30页 |
| 2.2 EEG信号主要伪迹成分分析 | 第30-32页 |
| 2.3 平均模板相减（AAS）去噪 | 第32-34页 |
| 2.3.1 slice伪迹的相似性 | 第32-33页 |
| 2.3.2 AAS去噪原理 | 第33-34页 |
| 2.4 基于PCA的最优基组法去噪 | 第34-39页 |
| 2.4.1 主成分分析原理 | 第34-36页 |
| 2.4.2 最优基组法去噪 | 第36-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 基于自动ICA去除核磁伪迹的方法研究 | 第40-56页 |
| 3.1 独立成分分析（ICA）基本理论 | 第40-46页 |
| 3.1.1 独立成分分析的定义 | 第41-42页 |
| 3.1.2 极大化非高斯性的FastICA算法 | 第42-44页 |
| 3.1.3 基于时间结构的SOBI算法 | 第44-46页 |
| 3.2 自动ICA去除核磁伪迹算法设计 | 第46-49页 |
| 3.2.1 结合AAS与ICA去除核磁伪迹方法 | 第46-48页 |
| 3.2.2 核磁伪迹成分的自动识别 | 第48-49页 |
| 3.3 去噪结果分析与讨论 | 第49-55页 |
| 3.3.1 模拟含噪脑电信号去噪 | 第50-52页 |
| 3.3.2 真实脑电信号去噪 | 第52-54页 |
| 3.3.3 ICA去噪存在的问题 | 第54-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 结合小波变换的ICA去核磁伪迹方法研究 | 第56-72页 |
| 4.1 小波分析理论 | 第56-60页 |
| 4.1.1 连续小波变换 | 第56-58页 |
| 4.1.2 离散小波变换 | 第58页 |
| 4.1.3 小波多分辨率分析 | 第58-60页 |
| 4.2 基于小波变换的ICA去核磁伪迹算法设计 | 第60-65页 |
| 4.2.1 核磁伪迹成分的小波分解 | 第60-63页 |
| 4.2.2 ICA去噪方法的改进 | 第63-65页 |
| 4.3 实验结果分析与讨论 | 第65-70页 |
| 4.3.1 去噪结果分析 | 第65-67页 |
| 4.3.2 离线实验结果对比与分析 | 第67-70页 |
| 4.4 本章小结 | 第70-72页 |
| 总结与展望 | 第72-75页 |
| 全文总结 | 第72-73页 |
| 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |