| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第9-10页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 DIVA模型 | 第11-13页 |
| 1.2.2 ACT模型 | 第13-15页 |
| 1.2.3 脑电波-繁体中文转换N200系统 | 第15页 |
| 1.3 本文研究内容及论文结构 | 第15-17页 |
| 1.3.1 本文研究内容 | 第15-16页 |
| 1.3.2 论文架构 | 第16-17页 |
| 第2章 DIVA模型及脑电信号 | 第17-24页 |
| 2.1 DIVA模型概述 | 第17-19页 |
| 2.1.1 DIVA模型的发音流程 | 第17页 |
| 2.1.2 前馈控制子系统 | 第17-18页 |
| 2.1.3 反馈控制子系统 | 第18-19页 |
| 2.2 脑电信号 | 第19-23页 |
| 2.2.1 脑电信号的产生原理 | 第19-20页 |
| 2.2.2 脑电信号的分类 | 第20-21页 |
| 2.2.3 脑电信号去噪方法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于脑电信号的稀疏分解方法 | 第24-34页 |
| 3.1 信号稀疏分解 | 第24-26页 |
| 3.1.1 基本思想 | 第24页 |
| 3.1.2 匹配追踪算法 | 第24-26页 |
| 3.2 过完备原子库的构造 | 第26-27页 |
| 3.3 实验方案 | 第27-29页 |
| 3.3.1 实验设计与信号采集 | 第27-28页 |
| 3.3.2 通道的选择 | 第28-29页 |
| 3.3.3 数据处理工具 | 第29页 |
| 3.4 眼电和肌肉伪迹去除 | 第29-30页 |
| 3.5 实验结果及分析 | 第30-33页 |
| 3.5.1 SSDM原子库的构造和信号重构 | 第30-32页 |
| 3.5.2 SSDM原子库与Gabor原子库的匹配追踪稀疏逼近性能比较 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于DIVA模型的脑电信号去噪方法 | 第34-40页 |
| 4.1 稀疏分解的去噪原理 | 第34-35页 |
| 4.2 去噪效果比较 | 第35-37页 |
| 4.3 改进后DIVA模型的语音处理能力 | 第37-39页 |
| 4.3.0 DIVA模型接口 | 第37-38页 |
| 4.3.1 DIVA语音映射集模块流程图 | 第38页 |
| 4.3.2 精度结果比较 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 基于DIVA模型的语音-体觉映射算法 | 第40-53页 |
| 5.1 体觉方向向量(Orosensory Direction Vector) | 第40-41页 |
| 5.2 SOM-PSO算法 | 第41-46页 |
| 5.2.1 自组织映射神经网络 | 第41-43页 |
| 5.2.2 粒子群优化算法 | 第43-45页 |
| 5.2.3 SOM-PSO | 第45-46页 |
| 5.3 实验 | 第46-49页 |
| 5.3.1 DIVA模型接口 | 第46-47页 |
| 5.3.2 SOM和PSO-SOM聚类效果比较 | 第47-48页 |
| 5.3.3 体觉反馈误差变化率比较 | 第48-49页 |
| 5.4 中文元音发音的神经关联性 | 第49-52页 |
| 5.4.1 fMRI简介 | 第49-50页 |
| 5.4.2 应用fMRI进行中文发音的研究 | 第50页 |
| 5.4.3 数据统计 | 第50-51页 |
| 5.4.4 结果与讨论 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 总论与展望 | 第53-55页 |
| 6.1 总论 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |