| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·脑机接口的定义、组成与分类 | 第7-10页 |
| ·脑机接口的发展背景及存在的问题 | 第10-13页 |
| ·脑机接口的研究目的和意义 | 第13页 |
| ·本文的主要工作和内容安排 | 第13-15页 |
| 第二章 脑电信号 | 第15-23页 |
| ·脑电信号的产生 | 第15-17页 |
| ·大脑结构和功能分区 | 第15-16页 |
| ·脑电产生的神经机理 | 第16-17页 |
| ·脑电信号的特点 | 第17页 |
| ·脑电信号的分类 | 第17-18页 |
| ·脑电信号的采集 | 第18-19页 |
| ·脑电信号的分析处理方法 | 第19-21页 |
| ·时域分析 | 第19页 |
| ·频域分析 | 第19-20页 |
| ·时频分析 | 第20-21页 |
| ·多维统计分析 | 第21页 |
| ·人工神经网络 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于正则化 CSP 的脑电信号特征提取 | 第23-31页 |
| ·事件相关同步/去同步现象 | 第23页 |
| ·传统 CSP 算法的基本原理 | 第23-26页 |
| ·正则化 CSP 算法基本原理 | 第26-29页 |
| ·传统 CSP 算法训练样本协方差 | 第26-27页 |
| ·正则化 CSP 算法训练样本协方差 | 第27页 |
| ·正则化 CSP 算法特征提取具体过程 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 运动想象脑电信号的分类判别 | 第31-39页 |
| ·稀疏表征分类算法 | 第31-35页 |
| ·特征的提取和字典的设计 | 第31-32页 |
| ·脑电信号表征模型 | 第32-33页 |
| ·l_1 最小化稀疏解 | 第33-34页 |
| ·l_1 最小化稀疏表征分类识别方法 | 第34-35页 |
| ·线性判别分析算法 | 第35-37页 |
| ·线性判别工作原理 | 第35-36页 |
| ·Fisher 线性判别分类器设计 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第五章 实验算法与结果分析 | 第39-49页 |
| ·实验所用数据集简介 | 第39-40页 |
| ·基于不同 CSP 滤波器数目的实验 | 第40-42页 |
| ·最佳 CSP 滤波器数目的选择 | 第40-41页 |
| ·R-CSP 算法与传统 CSP 算法实验结果对比 | 第41-42页 |
| ·基于不用 R-CSP 正则化参数的实验 | 第42-43页 |
| ·基于不同分类方法的结果对比与分析 | 第43-46页 |
| ·SRC 和 LDA 分类结果对比 | 第43页 |
| ·SRC 和 LDA 分类结果分析 | 第43-46页 |
| ·本章小结 | 第46-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·全文总结 | 第49-50页 |
| ·工作展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 作者在读期间的研究成果 | 第57-58页 |