首页--工业技术论文--机械、仪表工业论文--仪器、仪表论文--医药卫生器械论文--医用电气机械论文

自发脑电脑机接口技术及脑电信号识别方法研究

摘要第1-7页
Abstract第7-14页
第1章 绪论第14-23页
   ·课题产生背景第14页
   ·脑机接口的基本知识第14-16页
     ·脑机接口定义与原理第14-15页
     ·脑机接口类型及特点第15-16页
   ·基于自发脑电的脑机接口研究现状第16-19页
     ·国外研究现状第16-19页
     ·国内研究现状第19页
   ·基于自发脑电的脑机接口存在问题第19-20页
   ·本文研究的目的和意义第20页
   ·本文主要研究内容及创新点第20-23页
第2章 自发脑电脑机接口技术及系统设计第23-33页
   ·自发脑电脑机接口组成第23-24页
   ·自发脑电脑机接口技术第24-29页
     ·信号产生与记录技术第24-28页
     ·信号模式识别技术第28-29页
     ·实际应用技术第29页
   ·自发脑电脑机接口系统设计第29-32页
     ·硬件系统第30-31页
     ·软件系统第31-32页
   ·本章小结第32-33页
第3章 脑电信号特征提取方法第33-56页
   ·特征提取方法的研究现状及存在不足第33-35页
     ·特征提取方法研究现状第33-34页
     ·存在不足第34-35页
   ·基于小波变换系数及系数均值的特征提取第35-38页
     ·小波变换简介第35-36页
     ·小波变换特征表示第36页
     ·特征提取方法第36-38页
     ·方法特点第38页
   ·基于小波包分解系数及子带能量的特征提取第38-42页
     ·小波包分解第39-40页
     ·初始特征的形成第40页
     ·特征矢量的形成第40-41页
     ·方法特点第41-42页
   ·基于小波包最优基的自适应个性化特征提取第42-47页
     ·基本理论第42-43页
     ·小波包最优基第43-44页
     ·自适应特征提取步骤第44-45页
     ·自适应个性化特征提取步骤第45页
     ·方法特点第45-47页
   ·BCI2003竞赛Data Set Ia处理结果第47-54页
     ·Data Set Ia数据描述第47页
     ·不同方法数据处理结果第47-54页
   ·本章小节第54-56页
第4章 脑电信号特征选择与分类方法第56-78页
   ·特征选择方法第56-64页
     ·特征选择基本理论第56-57页
     ·特征选择方法研究现状第57页
     ·基于自适应遗传算法的特征选择(AGA-FS)第57-61页
     ·BCI2003竞赛Data Set Ia处理结果第61-64页
   ·分类方法第64-73页
     ·分类方法研究现状第64-65页
     ·基于概率神经网络的分类第65-67页
     ·基于AGA优化支持向量机模型的分类第67-70页
     ·BCI2003竞赛Data Set Ia处理结果第70-73页
   ·特征选择与分类的联合优化第73-76页
     ·联合优化基本理论第73-74页
     ·联合优化具体实现第74-75页
     ·BCI2003竞赛Data Set Ia处理结果第75-76页
   ·本章小节第76-78页
第5章 实验设计及识别结果第78-97页
   ·基于运动想象的实验范例设计第78-81页
     ·实验范例设计基础第78页
     ·实验范例设计第78-81页
   ·实验数据简介第81页
   ·实验数据的模式识别方法及结果第81-94页
     ·特征提取方法及结果第82-87页
     ·特征选择方法及结果第87-90页
     ·分类方法及结果第90-92页
     ·特征选择与分类联合优化方法及结果第92-94页
   ·实验数据的处理结果分析第94-96页
     ·特征提取结果分析第94页
     ·特征选择结果分析第94-95页
     ·分类结果分析第95页
     ·特征选择与分类联合优化结果分析第95-96页
   ·本章小节第96-97页
第6章 总结与展望第97-102页
   ·论文主要工作第97-98页
   ·进一步研究内容第98-102页
参考文献第102-111页
致谢第111-112页
攻读博士学位期间发表和录用的学术论文第112-116页

论文共116页,点击 下载论文
上一篇:基于动态零点补偿的低压降线性稳压芯片的研究与设计
下一篇:博客在教育中的应用研究