| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 相关技术研究现状 | 第13-15页 |
| 1.2.1 脑电采集研究现状 | 第13-14页 |
| 1.2.2 脑电处理研究现状 | 第14-15页 |
| 1.2.3 脑机接口研究现状 | 第15页 |
| 1.3 本文研究方法及组织结构 | 第15-18页 |
| 第2章 便携式单导脑电信号采集系统硬件设计 | 第18-30页 |
| 2.1 EEG相关知识简介 | 第18-21页 |
| 2.1.1 EEG的节律特性 | 第18-19页 |
| 2.1.2 EEG电极放置方法 | 第19-20页 |
| 2.1.3 EEG电极导联方式 | 第20-21页 |
| 2.2 系统总体方案设计 | 第21-22页 |
| 2.3 脑波传感器及信号处理模块 | 第22-24页 |
| 2.3.1 脑波传感器 | 第22-23页 |
| 2.3.2 信号处理模块 | 第23-24页 |
| 2.4 蓝牙发射模块 | 第24-28页 |
| 2.4.1 蓝牙技术简介 | 第24-25页 |
| 2.4.2 蓝牙发射模块HC-05介绍及初始化配置 | 第25-28页 |
| 2.5 系统硬件实现 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 便携式单导脑电信号采集系统软件设计 | 第30-42页 |
| 3.1 MATLAB串口通信技术和GUI设计简介 | 第30-32页 |
| 3.1.1 MATLAB串口通信技术 | 第30-31页 |
| 3.1.2 MATLAB GUI设计 | 第31-32页 |
| 3.2 TGAM数据格式及转换方法 | 第32-34页 |
| 3.3 系统软件需求分析与设计流程 | 第34-35页 |
| 3.3.1 软件需求分析 | 第34页 |
| 3.3.2 软件设计流程 | 第34-35页 |
| 3.4 系统软件实现 | 第35-39页 |
| 3.4.1 串口通信模块 | 第36-37页 |
| 3.4.2 数据解析模块 | 第37-39页 |
| 3.4.3 系统软件编译 | 第39页 |
| 3.5 系统软硬件联合调试 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 单导脑电信号去伪迹预处理算法研究 | 第42-56页 |
| 4.1 脑电信号的典型伪迹 | 第42-44页 |
| 4.2 独立成分分析 | 第44-49页 |
| 4.2.1 独立成分分析数学模型 | 第44-45页 |
| 4.2.2 ICA信号预处理 | 第45-46页 |
| 4.2.3 FastICA算法实现原理 | 第46-49页 |
| 4.3 小波分析 | 第49-52页 |
| 4.3.1 小波分析理论知识 | 第49-50页 |
| 4.3.2 小波分解算法实现原理 | 第50-52页 |
| 4.4 经验模态分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 实测单导脑电信号伪迹去除实验研究 | 第56-69页 |
| 5.1 基于EMD-ICA的单导脑电信号自适应伪迹去除实验研究 | 第56-61页 |
| 5.1.1 EMD-ICA算法原理 | 第56-59页 |
| 5.1.2 EMD-ICA伪迹自适应去除实验 | 第59-61页 |
| 5.2 基于WICA的单导脑电信号伪迹去除实验研究 | 第61-64页 |
| 5.2.1 WICA算法原理 | 第61-62页 |
| 5.2.2 WICA伪迹去除实验 | 第62-64页 |
| 5.3 两种方法伪迹去除性能对比 | 第64-68页 |
| 5.3.1 时域性能对比 | 第64-66页 |
| 5.3.2 频域性能对比 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 基于单导脑电信号的运动想象分类研究 | 第69-85页 |
| 6.1 运动想象脑电信号 | 第69-70页 |
| 6.2 运动想象脑电信号实验数据库 | 第70-71页 |
| 6.3 特征提取方法 | 第71-76页 |
| 6.3.1 传统特征提取方法 | 第71-72页 |
| 6.3.2 基于HHT变换的时频域特征提取方法 | 第72-74页 |
| 6.3.3 基于样本熵的EEG复杂度特征提取方法 | 第74-76页 |
| 6.4 支持向量机分类算法 | 第76-79页 |
| 6.5 分类过程与结果分析 | 第79-84页 |
| 6.5.1 特征信息预处理 | 第79-81页 |
| 6.5.2 SVM的参数优化 | 第81-82页 |
| 6.5.3 SVM分类结果与分析 | 第82-84页 |
| 6.6 本章小结 | 第84-85页 |
| 总结与展望 | 第85-87页 |
| 1 全文总结 | 第85-86页 |
| 2 研究展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间发表的学术论文 | 第93页 |
| 攻读硕士学位期间参与的科研项目 | 第93页 |
