| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 脑电的研究背景以及应用 | 第8-9页 |
| 1.1.1 脑电的研究背景 | 第8页 |
| 1.1.2 脑电的应用 | 第8-9页 |
| 1.2 脑电的发展以及研究现状 | 第9-11页 |
| 1.2.1 脑电的发现与发展 | 第9-10页 |
| 1.2.2 脑电国内外研究现状 | 第10-11页 |
| 1.3 脑电的相关理论知识 | 第11-14页 |
| 1.3.1 大脑的区域与功能 | 第11-12页 |
| 1.3.2 脑电的分类与节律性 | 第12-13页 |
| 1.3.3 脑电的干扰源与噪声 | 第13页 |
| 1.3.4 脑电的特点概述 | 第13-14页 |
| 1.4 脑电采集与实验 | 第14-15页 |
| 1.5 论文的研究方法及结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 经验模式分解（EMD） | 第17-27页 |
| 2.1 经验模式分解（EMD） | 第17-24页 |
| 2.1.1 EMD概述 | 第17-18页 |
| 2.1.2 EMD算法的基本原理 | 第18-21页 |
| 2.1.3 EMD算法的研究发展与应用 | 第21-24页 |
| 2.2 EMD算法的改进算法 | 第24-26页 |
| 2.2.1 类集合经验模态分解EEMD | 第24页 |
| 2.2.2 二维经验模式分解算法BEMD | 第24-25页 |
| 2.2.3 多变量经验模式分解算法MEMD | 第25页 |
| 2.2.4 导数优化经验模式分解算法DEMD | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于脑电的EEMD算法的改进 | 第27-39页 |
| 3.1 EEMD算法 | 第27-29页 |
| 3.2 基于脑电的EEMD算法的改进 | 第29-32页 |
| 3.2.1 脑电IMF相关性筛选 | 第30页 |
| 3.2.2 基于IMF的信号能量估计算法 | 第30-31页 |
| 3.2.3 基于IMF分段阈值的脑电特性信号估计算法 | 第31-32页 |
| 3.3 仿真与研究 | 第32-38页 |
| 3.3.1 脑电EMD与IMF相关性筛选 | 第32-34页 |
| 3.3.2 基于IMF能量和分段阈值的脑电特性信号估计 | 第34-35页 |
| 3.3.3 新型脑电噪声和改进算法的分解结果 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 脑电的多维集合经验模式分解（MD-EEMD） | 第39-71页 |
| 4.1 脑电的 2D-EEMD | 第39-42页 |
| 4.1.1 2D-EEMD算法 | 第39-41页 |
| 4.1.2 改进的脑电 2D-EEMD算法 | 第41-42页 |
| 4.2 基于改进 2D-EEMD的“SSVEP目标检测研究” | 第42-56页 |
| 4.2.1 BCI与SSVEP概述 | 第42-45页 |
| 4.2.2 实验描述与预处理 | 第45-50页 |
| 4.2.2.1 数据来源与实验描述 | 第45-46页 |
| 4.2.2.2 数据预处理 | 第46-50页 |
| 4.2.3 实验结果与分析 | 第50-56页 |
| 4.2.3.1 改进前后的固有模态函数IMFs比较 | 第50-53页 |
| 4.2.3.2 头图Topoplot | 第53-54页 |
| 4.2.3.3 枕叶区与非枕叶区对视觉刺激的反应强度比较 | 第54-55页 |
| 4.2.3.4 SSVEP频率提取准确率 | 第55-56页 |
| 4.3 不同RVS下SSVEP目标检测性能研究 | 第56-62页 |
| 4.3.1 常见的RVS类型 | 第56-57页 |
| 4.3.2 单一方块刺激与棋盘刺激的性能分析与比较 | 第57-62页 |
| 4.3.2.1 实验描述与预处理 | 第57-58页 |
| 4.3.2.2 实验结果与分析对比 | 第58-62页 |
| 4.4 基于脑电的 3D-EEMD算法的设计与仿真 | 第62-69页 |
| 4.4.1 基于脑电的 3D-EEMD算法的设计 | 第62-65页 |
| 4.4.2 基于癫痫数据的仿真研究 | 第65-69页 |
| 4.4.2.1 癫痫数据描述 | 第66页 |
| 4.4.2.2 癫痫 2D-EEMD分解及其不足 | 第66-67页 |
| 4.4.2.3 癫痫 3D-EEMD分解 | 第67-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 基于EMD的脑电信号分类研究 | 第71-81页 |
| 5.1 基于改进的脑电 2D-EEMD算法的运动想象类数据的分类研究 | 第71-75页 |
| 5.1.1 实验数据 | 第71-72页 |
| 5.1.2 分类结果与分析对比 | 第72-75页 |
| 5.2 基于EMD和熵的MEG精神病人分类研究 | 第75-80页 |
| 5.2.1 近似熵ApEn | 第75-76页 |
| 5.2.2 实验数据 | 第76页 |
| 5.2.3 分类结果与分析 | 第76-80页 |
| 5.3 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 工作总结 | 第81页 |
| 6.2 研究展望 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第86-87页 |
| 致谢 | 第87页 |
