脑电信号采集及分类算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 背景及意义 | 第8-9页 |
| 1.2 课题的研究现状 | 第9-10页 |
| 1.3 论文的主要工作与内容安排 | 第10-12页 |
| 第2章 脑电信号概述 | 第12-21页 |
| 2.1 脑电的产生机理 | 第12-14页 |
| 2.2 脑电信号生理学特点 | 第14页 |
| 2.3 脑电信号分类 | 第14-19页 |
| 2.3.1 自发脑电信号 | 第14-16页 |
| 2.3.2 诱发脑电信号 | 第16-18页 |
| 2.3.3 自发脑电和诱发脑电的关系 | 第18-19页 |
| 2.4 脑电信号采集 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于Emotiv的脑机接口 | 第21-32页 |
| 3.1 引言 | 第21-22页 |
| 3.2 脑电采集 | 第22-24页 |
| 3.2.1 脑电采集设备选择 | 第22-23页 |
| 3.2.2 Emotiv介绍 | 第23-24页 |
| 3.3 视觉刺激器设计 | 第24页 |
| 3.4 脑电信号预处理 | 第24-25页 |
| 3.5 特征提取 | 第25-28页 |
| 3.5.1 功率谱密度分析 | 第25-26页 |
| 3.5.2 典型相关分析 | 第26-27页 |
| 3.5.3 阈值法 | 第27-28页 |
| 3.6 实验设计及流程 | 第28-30页 |
| 3.7 实验结果和分析 | 第30-31页 |
| 3.8 本章小结 | 第31-32页 |
| 第4章 基于MI-EEG的脑电分类 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 数据预处理 | 第32-34页 |
| 4.2.1 数据库简介 | 第32-33页 |
| 4.2.2 数据处理 | 第33-34页 |
| 4.3 基本原理 | 第34-41页 |
| 4.3.1 常用分类方法 | 第34-36页 |
| 4.3.2 深度学习 | 第36-37页 |
| 4.3.4 卷积神经网络 | 第37-41页 |
| 4.4 分类器模型 | 第41-42页 |
| 4.5 实验结果分析 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间的研究成果 | 第51页 |
