文摘
英文文摘
声明
致谢
1 引言
2 脑电信号处理
2.1 脑电信号的特征
2.1.1 主要特点
2.1.2 主要频率成分
2.1.3 脑电信号的分类
2.2 脑电信号的采集
2.2.1 电极安放位置图
2.2.2 脑电导联方法
2.3 EEG数据的预处理
2.3.1 EEG的噪声干扰
2.3.2 预处理目标
2.3.3 低通滤波
2.4 脑电信号的特征提取
2.4.1 特征提取定义及分类
2.4.2 时域分析和频域分析
2.5 主要的特征提取算法
2.5.1 快速傅立叶变换(Fast Fourier Transform,FFT)
2.5.2 短时傅立叶变换(Short Time Fourier Transform,STFT)
2.5.3 小波变换
2.6 本章小结
3 模式识别
3.1 模式识别概述
3.2 常用方法
3.3 线性判别式分析
3.3.1 基本概念和原理
3.3.2 Fisher判别准则
3.4 支持向量机
3.4.1 最小化准则的提出
3.4.2 线性SVM
3.4.3 非线性SVM
3.5 人工神经网络
3.5.1 神经网络在模式识别中的特点
3.5.2 BP神经网络算法及其识别原理
3.6 本章小解
4 P300信号处理和分类
4.1 P300信号的特性
4.2 实验数据采集
4.2.1 实验场景
4.2.2 耙信号
4.2.3 信号采集和数据存储
4.3 信号预处理
4.3.1 工频噪声的影响
4.3.2 滤波处理
4.3.3 平均叠加消噪
4.4 特征提取
4.4.1 基本特征
4.4.2 电极优选
4.4.3 时域特征提取
4.4.4 特征提取步骤
4.5 支持向量机
4.5.1 LIBSVM简介
4.5.2 LIBSVM的使用
4.5.3 分类实验的目标
4.5.4 分类器设计
4.5.5 结果与讨论
4.6 本章总结
5 两种不同的想象运动的BCI研究
5.1 想象动作的ERD/ERS现象
5.1.1 ERD/ERS的神经生理学意义
5.1.2 想象动作的过程
5.2 实验场景与采样数据
5.2.1 实验场景
5.2.2 实验数据
5.3 信号预处理
5.3.1 基本步骤
5.3.2 小波变换
5.4 特征提取
5.4.1 电位特征提取
5.4.2 功率谱法
5.4.3 基于频率分段的组合特征
5.4.4 基于时频域的组合特征
5.5 本章总结
6 总结
6.1 课题总结
6.2 课题展望
参考文献
作者简历