| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 符号注释表 | 第12-14页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 脑机接口研究背景及意义 | 第14-16页 |
| 1.2 脑机接口系统概述 | 第16-20页 |
| 1.2.1 脑电信号种类概述 | 第17-18页 |
| 1.2.2 头皮脑电EEG信号分类概述 | 第18-19页 |
| 1.2.3 运动想象脑电模式识别系统框架概述 | 第19-20页 |
| 1.2.4 脑机接口系统的输出模块及反馈机制概述 | 第20页 |
| 1.3 运动想象脑电模式识别算法研究现状概述 | 第20-23页 |
| 1.3.1 运动想象脑电信号预处理 | 第21页 |
| 1.3.2 运动想象脑电信号特征提取 | 第21-22页 |
| 1.3.3 运动想象脑电信号特征分类 | 第22-23页 |
| 1.4 本文要解决的问题及研究内容 | 第23-26页 |
| 1.4.1 基于群体智能算法的运动想象脑电时域、时频域全局参数优化 | 第23-24页 |
| 1.4.2 运动想象脑电特征提取CSP算法改进方案设计 | 第24页 |
| 1.4.3 基于稀疏表示的分类算法的字典优化方案设计 | 第24-25页 |
| 1.4.4 运动想象脑电模式识别中的复合核和多核学习 | 第25页 |
| 1.4.5 基于深度学习理论的运动想象脑电模式识别研究 | 第25-26页 |
| 1.5 论文结构 | 第26-28页 |
| 第二章 基于群体智能算法的脑电参数优化 | 第28-56页 |
| 2.1 基于双树复小波变换及粒子群优化的脑电模式识别 | 第28-39页 |
| 2.1.1 实验数据描述 | 第29-30页 |
| 2.1.2 双树复小波变换 | 第30-31页 |
| 2.1.3 运动想象脑电信号特征分析与分类 | 第31-36页 |
| 2.1.4 结果分析 | 第36-39页 |
| 2.2 基于人工蜂群算法的运动想象脑电特征优化方案 | 第39-55页 |
| 2.2.1 实验数据描述 | 第40-41页 |
| 2.2.2 算法描述 | 第41-47页 |
| 2.2.3 实验结果和讨论 | 第47-55页 |
| 2.3 本章小结 | 第55-56页 |
| 第三章 运动想象脑电特征提取算法优化 | 第56-82页 |
| 3.1 基于稀疏回归的运动想象脑电空-时-频特征提取和分类 | 第56-70页 |
| 3.1.1 实验数据描述 | 第57页 |
| 3.1.2 算法描述 | 第57-62页 |
| 3.1.3 实验结果和讨论 | 第62-70页 |
| 3.2 运动想象脑电模式识别中一种空时频域优化特征稀疏表示分类方法 | 第70-81页 |
| 3.2.1 实验数据描述 | 第71页 |
| 3.2.2 算法描述 | 第71-77页 |
| 3.2.3 实验结果和讨论 | 第77-81页 |
| 3.3 本章小结 | 第81-82页 |
| 第四章 基于字典清理稀疏表示分类的手指运动想象脑电模式识别 | 第82-96页 |
| 4.1 实验数据描述 | 第82-84页 |
| 4.2 算法流程 | 第84页 |
| 4.3 数据预处理和重要导联选择 | 第84-86页 |
| 4.4 特征提取 | 第86-87页 |
| 4.5 特征分类 | 第87-89页 |
| 4.6 实验结果与分析 | 第89-94页 |
| 4.6.1 重要导联的空间分布和ERD现象 | 第89页 |
| 4.6.2 特征模式和分类准确率 | 第89-92页 |
| 4.6.3 稀疏表示分类中字典清理的效果 | 第92-94页 |
| 4.7 本章小结 | 第94-96页 |
| 第五章 运动想象脑电模式识别中的复合核和多核学习 | 第96-110页 |
| 5.1 实验数据描述 | 第96-97页 |
| 5.2 算法描述 | 第97-103页 |
| 5.2.1 数据预处理 | 第99页 |
| 5.2.2 特征提取和选择 | 第99-101页 |
| 5.2.3 特征分类 | 第101-103页 |
| 5.3 实验结果与分析 | 第103-108页 |
| 5.3.1 本研究算法和其他算法的分类性能比较 | 第103-105页 |
| 5.3.2 重要时频块选择的效果 | 第105-106页 |
| 5.3.3 MKDA算法的效果 | 第106-108页 |
| 5.4 本章小结 | 第108-110页 |
| 第六章 运动想象脑电空频特征深度学习及模式分类 | 第110-122页 |
| 6.1 实验数据描述及数据预处理 | 第110-114页 |
| 6.2 CNN结构设计 | 第114-115页 |
| 6.3 CNN部分细节说明 | 第115-116页 |
| 6.4 实验结果与分析 | 第116-121页 |
| 6.4.1 CNN第一层滤波器参数的空间特性分析 | 第116-118页 |
| 6.4.2 训练过程分析 | 第118页 |
| 6.4.3 分类结果分析 | 第118-121页 |
| 6.5 本章小结 | 第121-122页 |
| 第七章 总结与展望 | 第122-126页 |
| 7.1 本文工作总结 | 第122-123页 |
| 7.2 未来工作展望 | 第123-126页 |
| 致谢 | 第126-128页 |
| 参考文献 | 第128-136页 |
| 作者攻读博士学位期间发表的学术论文及成果 | 第136页 |
| 第一作者发表论文 | 第136页 |
| 发明专利 | 第136页 |
