声明
摘要
第一章 绪论
1.1 脑-机接口系统的基本组成
1.2 EEG信号的产生和特点
1.3 EEG信号特征提取
1.4 EEG信号特征分类
第二章 共同空间模式算法综述
2.1 共同空间模式的基本原理
2.2 改进的共同空间模式算法
2.3 本文的主要工作
2.4 本文的结构安排
第三章 波形长度正则化的L1-范数共同空间模式
3.1 波形长度与噪声度量
3.2 波形长度正则化的L1-范数共同空间模式
3.2.1 wlCSPL1算法的目标函数
3.2.2 目标函数的求解及迭代算法
3.2.3 算法收敛性证明
3.2.4 扩展到多对滤波器
3.2.5 特征提取
3.3 基于模拟数据的实验
3.4 基于真实EEG数据的实验
3.4.1 EEG数据说明及预处理
3.4.2 实验参数的设定
3.4.3 在原始EEG信号上的实验结果
3.4.4 噪声的引入及在噪声数据上的实验结果
3.5 本章小结
第四章 稀疏的L1-范数共同空间模式
4.1 L1-范数的稀疏原理
4.2 稀疏的L1-范数共同空间模式
4.2.1 目标函数的提出及求解
4.2.2 算法收敛性证明
4.2.3 扩展到多对滤波器
4.3 实验数据说明及参数设定
4.3.1 数据说明
4.3.2 预处理
4.3.3 参数的设定
4.4 实验结果
4.4.1 在BCI competition Ⅲ Ⅳa数据集上的实验结果
4.4.2 在BCI 2000 PhysioNet数据集上的实验结果
4.5 本章小结
第五章 幅值-相位特征耦合的特征提取算法
5.1 相位同步现象及幅值-相位耦合的重要性
5.1.1 EEG信号的基本特征
5.1.2 同步现象及度量方法
5.1.3 幅值-相位特征耦合的意义
5.2 符号秩加权的相位延迟算法
5.2.1 算法提出
5.2.2 算法优势分析
5.3 幅值-相位耦合的特征提取方法
5.3.1 提取幅值特征
5.3.2 提取相位特征
5.3.3 幅值-相位特征耦合
5.4 BCI competition Ⅳ Ⅱa数据集
5.4.1 实验数据说明及预处理
5.4.2 电极耦合方法
5.4.3 实验结果
5.5 在BCI competition Ⅳ Ⅰ数据集上的实验
5.5.1 实验数据说明及预处理
5.5.2 电极耦合方法
5.5.3 实验结果
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 存在的问题与展望
参考文献
硕士期间发表论文
致谢