摘要 | 第4-5页 |
abstract | 第5页 |
专用术语注释表 | 第8-10页 |
第一章 绪论 | 第10-15页 |
1.1 研究背景与出发点 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 脑电信号处理 | 第11页 |
1.2.2 神经分析系统 | 第11-13页 |
1.3 研究内容 | 第13页 |
1.4 论文架构 | 第13-15页 |
第二章 语音脑机接口系统概述 | 第15-21页 |
2.1 DIVA模型概述 | 第15-17页 |
2.2 脑机接口与汉语神经分析系统(Chinese Neuralynx System,CNS) | 第17-18页 |
2.3 脑传感器 | 第18-20页 |
2.4 本章小结 | 第20-21页 |
第三章 基于DIVA模型对中文语音发音过程的fMRI成像研究 | 第21-30页 |
3.1 引言 | 第21-22页 |
3.2 同步采集的神经生理基础 | 第22页 |
3.3 DIVA模型中对语音任务脑区域激活的定义 | 第22-23页 |
3.4 DIVA模型组件与发音相关脑区的映射关系 | 第23-25页 |
3.5 大脑剩余皮层感兴趣区域 | 第25-26页 |
3.6 实验设计 | 第26-27页 |
3.6.1 实验对象及材料 | 第26-27页 |
3.6.2 实验任务 | 第27页 |
3.7 数据处理 | 第27-28页 |
3.8 实验结论 | 第28-29页 |
3.9 本章小结 | 第29-30页 |
第四章 基于DIVA模型的汉语发音脑电信号识别方法研究 | 第30-46页 |
4.1 引言 | 第30页 |
4.2 实验方案 | 第30-32页 |
4.2.1 实验设计与信号采集 | 第30-31页 |
4.2.2 实验数据的预处理 | 第31-32页 |
4.2.3 通道的选择 | 第32页 |
4.3 数据处理工具 | 第32-33页 |
4.3.1 EEGLAB | 第32-33页 |
4.4 脑电信号的去噪 | 第33-35页 |
4.4.1 眼球运动伪迹和肌肉运动伪迹 | 第33-34页 |
4.4.2 使用独立分量分析(Independent Component Correlation Algorithm,ICA)去除伪迹 | 第34-35页 |
4.5 脑电信号的特征提取 | 第35-40页 |
4.5.1 使用小波包分解对脑电信号进行特征提取 | 第35-39页 |
4.5.1.1 小波变换 | 第35页 |
4.5.1.2 小波包分解的特点 | 第35-38页 |
4.5.1.3 小波能量分解 | 第38页 |
4.5.1.4 小波包分解处理脑电信号的优势 | 第38-39页 |
4.5.1.5 使用小波包分解对实验数据进行特征提取 | 第39页 |
4.5.2 使用共空间模式(CSP)对脑电信号进行特征提取 | 第39-40页 |
4.5.2.1 CSP的特点 | 第39页 |
4.5.2.2 使用CSP对实验数据进行特征提取 | 第39-40页 |
4.6 特征向量的分类和预测 | 第40-43页 |
4.6.1 支持向量机模型(SVM) | 第40-41页 |
4.6.2 LibSVM | 第41-42页 |
4.6.3 使用支持向量机模型对特征向量进行识别 | 第42-43页 |
4.7 通道的选择对中英文发音识别精度的影响 | 第43-44页 |
4.8 本章小结 | 第44-46页 |
第五章 汉语语音脑机接口系统的实现 | 第46-52页 |
5.1 引言 | 第46页 |
5.2 DIVA模型的发音过程 | 第46-50页 |
5.2.1 前田几何声道模型 | 第46-48页 |
5.2.2 DIVA模型的发音的学习过程 | 第48-49页 |
5.2.3 使用分类结果驱动DIVA模型进行发音 | 第49-50页 |
5.2.3.1 DIVA模型接口 | 第49页 |
5.2.3.2 DIVA模型用户接口与发音流程 | 第49-50页 |
5.3 本章小结 | 第50-52页 |
第六章 总结与展望 | 第52-54页 |
6.1 总结 | 第52页 |
6.2 展望 | 第52-54页 |
参考文献 | 第54-59页 |
附录1 程序清单 | 第59-61页 |
附录2 攻读硕士学位期间撰写的论文 | 第61-62页 |
附录3 攻读硕士学位期间申请的专利 | 第62-63页 |
附录4 攻读硕士学位期间参加的科研项目 | 第63-64页 |
致谢 | 第64页 |