文摘
英文文摘
声明
第一章绪论
1.1脑电研究的历史回顾
1.1.1脑电的发现
1.1.2脑电的分类
1.2诱发电位及其产生机制假设
1.3事件相关电位P300
1.4 P300信号在BCI系统中的应用
1.4.1 BCI系统的介绍
1.4.2 BCI系统中的控制信号
1.4.3 P300信号在BCI系统中的使用
1.5 P300信号的常用分析方法
1.6本课题的研究方法介绍
第二章脑电信号中P300的特征提取
2.1脑电信号与P300信号的特点
2.2相干平均技术
2.3主分量分析
2.3.1主分量分析的原理
2.3.2主分量的计算方法
2.4独立分量分析
2.4.1 ICA在脑电逆问题中的结构模型
2.4.2 ICA问题的先验知识
2.4.3 ICA中的不确定性
2.4.4 ICA中的独立判据
2.5时频分析在P300特征提取中的应用
2.5.1利用正弦小波(Sinusoidal Wavelet)作时频分析
2.5.2 ERSP与ITC参数的定义
2.6 P300特征的组成形式
第三章P300特征分类技术的原理介绍
3.1 P300的分类特点与对学习器的要求
3.1.1脑电信号分类的性能评价准则
3.1.2脑电信号分类存在的主要问题和未来发展方向
3.2线性分类感知器
3.2.1线性感知器的数学描述
3.2.2线性感知器的实现方法
3.3人工神经网络技术
3.3.1人工神经元模型
3.3.2多层前向神经网络
3.3.3神经网络的BP学习算法
3.4统计学习理论与支持向量机
3.4.1统计学习理论(Statistical Learning Theory,SLT)
3.4.2最优超平面
3.4.3核函数特征空间
3.5各个方法在P300特征分类上的优劣
第四章实验方法与结果
4.1 P300信号的采集方法与数据格式
4.2传统方法
4.3本文所采用的数据分析处理方法
4.3.1 P300信号的滤噪处理
4.3.2 P300信号的分析与特征提取
4.3.4利用神经网络与SVM分类
第五章总结与展望
5.1本文研究工作总结
5.2展望
参考文献
发表论文和参加科研情况说明
致 谢
天津大学;