一、AR谱在听觉诱发电位信号分析中的应用（论文文献综述）
金鑫虹[1]（2021）在《体育舞蹈运动员节奏感知的行为特征及其机制研究》文中研究指明感知-运动协同是个体动作与外界环境在时间上的协调,是影响人们动作行为的重要能力。节奏是音乐和舞蹈的重要组成部分,也是人们完成基本动作（如走路）的重要因素。因此,节奏感知能力是动作协调的重要保障,是实现动作行为和优化运动技能表现的重要认知能力。已有研究发现,舞蹈经验可以促进感觉运动同步表现,但在竞技运动和大众健身领域的研究还较少。前期文献并未系统对体育舞蹈运动员多模态节奏感知和动态加工过程进行探讨,舞蹈经验在节奏感知过程中的优势特征及其神经机制尚不清楚。舞蹈经验优势如何促进节奏感知同步过程,是解释感知-运动系统交互作用,以及专项经验促进个体动作协调加工的重要途径。基于前人研究,本研究通过对比体育舞蹈运动员和无经验者在感知-运动同步能力上的差异,考察舞蹈经验对节奏感知的影响及其神经活动特征。研究一初步探究了不同节奏条件和舞蹈经验对感觉运动同步的影响。实验1通过操纵节奏频率和节奏刺激类型,采用经典的手指打拍子（finger-tapping）范式,考察体育舞蹈运动员（舞蹈组）和无经验者（对照组）对视觉（蓝色闪烁圆点）、听觉（纯音）和视听（蓝色闪烁圆点+纯音）三种节奏类型下,200～1200ms中11种节奏频率的感觉运动同步行为表现。研究二进一步对体育舞蹈运动员感觉运动同步优势进行研究,选取实验1中行为表现的转折频段（400ms和800ms）,利用频域分析和事件相关电位技术,对舞蹈组和对照组听觉（实验2a）、视觉（实验2b）和视听（实验2c）节奏感觉运动同步的行为和大脑神经活动特征进行探究。研究三加入人体适宜节奏间隔（500ms）,将节奏感知动态过程分为“节奏编码—保持—复述”三阶段,要求舞蹈组和对照组对三种时间间隔（400ms,500ms和800ms）的听觉（实验3a）、视觉（实验3b）和视听（实验3c）节奏进行同步复述,记录并分析三个阶段的大脑神经活动特征,比较舞蹈组和对照组在不同感觉通道下,节奏感知-运动同步的行为和神经振荡特征。研究结果显示:（1）实验1中,体育舞蹈运动员感觉运动同步绩效显着优于对照组,稳定性更高,且舞蹈组在较宽的节奏频率内绩效更好;不同感觉通道下,舞蹈组对听觉节奏刺激异步性显着小于对照组;（2）实验2a中,舞蹈组听觉节奏感觉运动同步显着优于对照组,对400ms节奏同步绩效和稳定性均显着好于800ms,但800ms节奏刺激诱发的神经振荡（delta,theta,high beta）,以及N1和P2成分振幅显着大于400ms节奏,舞蹈组800ms下的delta和high beta振荡显着大于对照组;（3）实验2b中,舞蹈组对视觉节奏同步绩效显着优于对照组,400ms节奏同步准确率和稳定性优于800ms节奏,但800ms神经振荡（delta,theta和alpha）和注意成分（N1振幅）显着大于400ms,潜伏期显着慢于400ms;（4）实验2c中,舞蹈组对视听节奏感觉运动同步任务行为优势虽不显着,但平均异步性更小,与节奏同步的能量（delta）更大,400ms节奏同步绩效显着好于800ms节奏,注意探测速度更快,动用资源更少;（5）实验3a中,体育舞蹈运动员节奏复述准确性显着高于对照组,在节奏编码阶段大脑神经振荡与外界听觉节奏振荡同步性更显着;即使听觉节奏消失,节奏保持阶段体育舞蹈运动员神经振荡能量更大,且在手指打拍子复述节奏阶段,也能检测到更显着的大脑神经振荡,同时,800ms节奏复述准确性最高,但稳定性最差,大脑神经振荡最大;（6）实验3b中,舞蹈组神经振荡与外界刺激共振更显着,早期注意资源（N1）投入显着大于对照组,800ms节奏诱发的N1成分振幅最大,但P2成分振幅最小;（7）实验3c中,舞蹈组节奏同步振荡能量显着大于对照组,且复述准确性更高,在三种不同时间间隔复述过程中,节奏时间间隔越长,大脑神经活动能量越强,调用注意资源更多。研究结论:（1）舞蹈经验可以促进节奏感觉运动同步的行为表现力;（2）体育舞蹈运动员节奏感知-运动同步优势主要表现在大脑神经振荡能量与外界节奏刺激的同步性增强,且注意资源分配呈节省化特征;（3）时间间隔是影响节奏感知-运动同步的另一主要因素,不同节奏时间在认知加工过程中存在差异;（4）节奏感知-运动同步与节奏模态相关,听觉在节奏感知中占有主导地位。
罗城[2]（2021）在《自然刺激注意机制的脑电研究》文中研究说明自然环境是动态且复杂的,大脑需要通过注意机制将认知资源聚焦于特定的空间位置、刺激特征或者客体上,从而实现信息的高效加工。因此,研究注意机制对于理解大脑的认知功能有着重要的意义。以往研究已经揭示了很多重要的注意神经机制。但是,这些研究主要采用了静态、离散的视听刺激,与日常生活中动态、连续的视听刺激有很大的差异,使得这些研究的生态效度相对较低。目前,对自然场景中注意神经机制的研究较少,这主要是因为传统方法难以量化大脑对自然视听刺激的神经响应。为了解决这一问题,本文基于脑电图（electroencephalogram,EEG）技术提出了一系列新方法来量化大脑对语音篇章和自然视频这两种自然刺激的神经响应,并分别分析自下而上的、基于刺激特征的注意机制和自上而下的、基于实验任务的注意机制如何影响自然场景中视听刺激的神经响应。本文的主要创新性研究工作包括:研究一设计了一种结构化的语音篇章,用于量化大脑对语音篇章中音节和词汇这两个语言层级的神经响应,并研究自上而下的注意任务对音节和词汇加工的影响。研究发现,大脑在加工合成或者朗读的结构化语篇时,不同时间尺度的神经活动可以同时跟踪语篇中的音节和词汇,而且词汇的神经响应比音节的神经响应更强地受到自上而下的注意调节。研究二在结构化的语音篇章中引入了与词汇节律相关的声学调制,以研究自下而上的声学特征对词汇加工的影响。研究发现,大脑中同时存在跟踪声学调制和词汇的神经响应。注意语音时,大脑的低频神经活动主要跟踪词汇;不注意语音时,大脑的低频神经活动主要跟踪声学调制。研究还发现,这种与词汇节律相关的声学调制增强了大脑对词汇的神经响应,说明自下而上的声学线索可以促进大脑对词汇的加工。研究三提出了一种视觉刺激标记技术,用于量化大脑对自然视频的神经响应,并研究视频场景中目标检测的注意调节作用。研究发现,自下而上和自上而下的注意都会调节人的视觉目标检测行为以及大脑对视觉目标的神经响应,而大脑对视觉背景的神经响应则主要受到自下而上的注意的影响。此外,大脑对视觉目标和视觉背景的神经响应都可以预测个体的目标检测行为结果,说明在自下而上和自上而下注意机制的作用下,大脑对视觉目标和视觉背景的神经响应共同反映了个体的视觉目标检测能力。综上,本论文通过设计新的实验范式和数据分析方法来量化大脑加工语音篇章和自然视频时的神经响应,研究发现,自下而上和自上而下的注意机制交互作用于大脑对自然视听刺激的神经响应,并共同促进了大脑对自然视听刺激的认知加工。
刘翰柔[3]（2021）在《基于诱发电位的声感觉评价方法研究》文中认为人体舒适性与建筑物理环境息息相关,声环境舒适性是评估室内环境的重要环节,影响人们的工作效率、情绪变化和身体健康。人脑中存在着生物电,即脑电波。自然界的万物皆遵守能量守恒定律,大脑的中枢神经电场也遵守能量守恒规律。当人脑受到外界环境的声音刺激时,神经细胞内外产生神经冲动,神经冲动在神经传导通路中形成脑电流。脑干听觉诱发电位（Brainstem auditory evoked potential,BAEP）是由声刺激引起的神经电位活动客观指标,利用该客观指标反映人体的主观声感受,是客观评价声环境舒适性的一种新研究思路。本文从人体声舒适问题出发,以脑干听觉诱发电位为客观指标,运用小波变换的能量分析方法,结合声感觉评价的主观问卷调查,得到基于BAEP能量系数的声感觉舒适区间,为评价人体声舒适提出新的研究思路和方法。首先,设计噪音环境下声感觉实验,通过控制背景噪音声压级、频率的变化,对受试者的主观声感觉评价进行调查。同时,利用听觉诱发电位仪,对受试者进行脑干听觉诱发脑电的测试实验,记录客观脑电数据。其次,对测得的脑干听觉诱发电位波形曲线的潜伏期、幅值进行分析,研究人体听觉传导通路。最后,运用小波变换能量分析方法,结合声环境舒适度的主观调查问卷,进一步研究人体声舒适机理,得到人体声感觉的舒适评价区间。基于上述研究,本文主要结论如下:（1）主刺激声不变,背景噪音声压级、频率对主观声感觉评价有影响。随着背景噪音声压级的增大,环境响度增强,减弱了刺激感,使人体综合舒适度提高。当背景噪音声压级为高强度时,频率升高,使得刺激感减弱,综合舒适度提高。（2）主刺激声不变,背景噪音声压级、频率对脑干听觉诱发电位潜伏期、幅值有影响。背景噪音声压级增大,诱发电位的Ⅴ波潜伏期延长,诱发电位Ⅰ、Ⅲ、Ⅴ波幅值变化趋势均减小。背景噪音频率增大,诱发电位的Ⅰ波潜伏期提前,Ⅲ、Ⅴ波潜伏期延长,诱发电位的Ⅴ波幅值减小。（3）主刺激声不变,人体的主观声感觉使脑干听觉诱发电位潜伏期、幅值发生变化。环境响度的增大会延长Ⅴ波潜伏期,使Ⅰ、Ⅲ、Ⅴ波幅值降低。人体刺激感的增强会缩短Ⅴ波潜伏期,使Ⅰ、Ⅲ、Ⅴ波幅值增大。人体综合舒适度的提升会延长Ⅴ波潜伏期,使Ⅰ、Ⅲ、Ⅴ波幅值降低。（4）运用小波变换能量分析方法计算“BAEP能量系数”,可对人体声舒适进行客观评价。这种处理方法反映了人耳在接受某声压级下的声音刺激后,大脑皮层神经元突触后电位总和的波动程度。用此方法对声音刺激程度和人体舒适性进行评价,从听觉产生的原理上具有可行性。（5）背景噪音声压级和频率的变化,对“BAEP能量系数”有显着影响。背景噪音声压级不断增大,脑干听觉诱发电位测试中的主声音刺激信号的声压级保持不变,此时信噪比不断降低。随着信噪比的降低,BAEP能量系数不断减小,听觉诱发电位信号的能量减小,大脑听觉神经消耗的能量减少。背景噪音频率的增大也会使BAEP能量系数不断减小,即听觉诱发电位信号的能量减小,大脑听觉神经消耗的能量减少。（6）结合背景噪音声压级、“BAEP能量系数”与人体的主观声感觉评价,得到人体声感觉舒适评价区间。根据能量守恒,人脑的做功转化为了生物电能,人脑做功越多,产生的脑电波就越强,对应的听觉诱发电位的能量就越高。相反的,人脑做功越少,产生的脑电波就越弱,对应的听觉诱发电位的能量就越低。由此可见,利用脑电能量分析的方法遵循人体舒适低能耗的规律。
刘一凡[4]（2021）在《基于双模诱发方式的严重意识障碍分类识别研究》文中研究指明严重意识障碍是指患者在遭受重度脑损伤后脑功能出现抑制的一种状态,临床表现为持续昏迷,缺乏自我意识和对周围环境的感知能力。严重意识障碍状态又分为最小意识状态（Minimally Conscious State,MCS）和植物状态（Vegetative State,VS）。如何准确识别患者的意识状态,提高患者的救治率是目前临床医学研究的热点。现阶段常用的方法有行为学意识评分量表,操作简单但易受主观因素影响,误诊率较高。医学成像技术如功能磁共振成像技术（functional Magnetic Resonance Imaging,f MRI）,空间分辨率高但需要对患者进行离床检测,风险较高。脑电信号（Electroencephalogram,EEG）检测技术具有时间分辨率高、可在床边检测、成本更低可多次重复使用等优点。因此本文以脑电信号分析方法为基础,对患者的意识状态识别进行了研究。本文设计一种双模诱发实验,用于对比分析患者在不同刺激模式（听觉刺激和体感痛觉刺激）下脑电信号特征值的变化情况,实现对患者意识状态的判断。首先对实验采集得到的患者脑电信号进行预处理,然后选择听觉刺激下的时频域特征、非线性特征,体感痛觉刺激下的频域特征、非线性特征进行提取,最后通过线性组合的方式构造多域特征样本集合。实验结果表明,相较于传统单域特征提取方法,多域特征融合能够提高分类模型的鲁棒性和分类性能。在严重意识障碍识别领域中,支持向量机（Support Vector Machine,SVM）虽然在解决二分类问题时具有很好的性能表现,但分类结果高度依赖被选择的核函数类型和相关参数设置。因此本文提出基于多核学习的支持向量机模型,根据多域特征的组合方式和求解凸规划问题选择了8个核函数,其中3个多项式核函数、5个高斯径向基核函数。实验结果表明,不同刺激模式下,听觉刺激实验的平均识别准确率比体感痛觉刺激实验高出7.3%,采用多域特征融合与多核学习SVM算法相结合的方法获得的识别准确率均比单域单核模型、单域多核模型更高,平均识别准确率达到了88.3%,最终证明本文提出的分类方法能有效地识别患者的意识障碍类型,具有一定的临床应用价值。
吕彬[5]（2021）在《嵌入式ERP同步校正采集系统》文中认为事件相关电位（Event Related Potentials,ERP）是一种脑电信号的诱发电位,是一种通过外部施加刺激所引起的脑电电位。事件相关电位反映了人体对于外界刺激的认知过程,所以也被叫做认知电位。ERP信号主要观察时域的波形变化,对于时域上波形的检测需要精确记录刺激信号出现的位置便于后期数据分析。近年来由于多任务操作系统包括Linux和Windows和软件以及硬件包括显卡以及屏幕刷新率等在实时性上的限制无法满足许多实验范式对于P300的时频微秒级别的要求,为了解决这一问题本文研发了一套基于Linux和ARM的刺激采集分析软件以及基于μC/OS-III和ARM的校正系统,本论文围绕着校正模块硬件电路这一核心,在嵌入式开发板Nano PC-T4开发了一整套与事件相关电位相关的软件系统。本系统工作主要包括基于嵌入式开发板Nano PC-T4的便携式系统搭建,基于QT的刺激界面与实时分析程序开发与移植,基于ARM的校正模块的硬件设计与驱动程序开发这几部分。其中基于嵌入式开发板Nano PC-T4的便携式系统搭建QT的刺激分析程序开发与移植包括QT的刺激分析程序开发与移植,包括基于QT的声音和图片刺激的呈现、数据采集滤波绘制与实时ERP分析。基于ARM的校正模块的硬件设计与驱动程序开发,包括基于STM32F103的硬件电路设计以及基于μC/OS-III的误差计算与实时校正。嵌入式ERP同步校正系统,将ERP系统通过QT集成到嵌入式开发板,并通过光电转换模块以及声音转换模块实现信号的转换利用STM32基于μC/OS-III实现标记的采集和视觉以及声音刺激的误差显示与同步输出。实现上述嵌入式ERP同步校正系统以及实验验证研究,需要完成的工作包括:ERP软件的开发,基于ARM的软件移植,硬件电路的设计与调试,ERP和图形翻转视觉诱发电位实验的设计与实施,相应数据处理分析。最后,为了测试该系统能否正常工作,对系统的校正模块、对系统的数据采集分析模块进行测试,对于校正电路的验证通过对15名受试者进行视觉与听觉ERP实验,测得在校正后P300波形幅度得到提高,潜伏期,表明实验结果符合实验预期。对于本设计整套系统的验证,本文通过13个被试的实验数据验证了整套系统的准确性,最后通过图形翻转视觉诱发电位实验证明了本系统的实用性。
马兆楠[6]（2021）在《基于视觉失匹配负波的视觉辨识能力检测》文中进行了进一步梳理认知功能（Cognitive Function）是一种大脑对客观事物进行反应的特征、状态及其二者之间的相互联系。认知功能是一种高级的心理功能,在众多认知功能中,视觉辨识能力（Visual Discrimination Ability）是其中一种重要的功能。在实际生活中,良好的视觉辨识能力十分重要,尤其是在驾驶等对视觉要求较高的任务以及声呐、雷达操作人员,安检人员乃至新兴的电子竞技人员的工作中。失匹配负波（Mismatch Negativity）是事件相关电位（Event Related Potential,ERP）中的一种被动诱发的电位成分。视觉失匹配负波是人眼接受视觉模式下的刺激时,神经系统所产生的特殊的电生理活动,其发现让我们可以对特定视觉任务下的脑部深层次活动进行更加细致客观的研究。目前,采用视觉失匹配负波来对视觉辨识能力进行检测和判断的相应研究较少,其主要挑战来自如何良好的诱发视觉失匹配负波以及如何建立脑电指标与行为指标之间的联系来对视觉辨识能力进行检测。因此,本文工作引入视觉失匹配负波,首先基于已有的听觉失匹配负波实验范式来设计实验,从而诱发稳定的视觉失匹配负波,然后通过融合脑电信号（Electroencephalograph,EEG）的幅值与行为学数据中500ms内的短时准确率来进行视觉辨识能力的检测。其主要进行以下几个方面的研究:（1）设计视觉失匹配负波诱发实验,得到在两种实验范式,三种偏差种类,以及其各自两个偏差等级下诱发出的视觉失匹配负波。传统的失匹配负波可以通过听觉Oddball范式以及Optimal范式诱发获得,本文将其引入视觉模式下的辨识能力检测。结果表明在100～200ms和200～300ms的时间范围内成功的诱发出并提取到了视觉失匹配负波。（2）对诱发出的视觉失匹配负波进行分析,提取其潜伏期和幅值。在组水平下分析三种偏差类别下所诱发出的视觉失匹配负波在幅值和潜伏期上的差异,以及两种偏差等级下视觉失匹配负波属性的差别,结果表明:在三种偏差类别中,颜色偏差所诱发出的视觉失匹配负波潜伏期最短,幅值最高,且在两种偏差等级下,大偏差波形的幅值和潜伏期明显高于小偏差。（3）引入行为数据中的准确率指标,根据EEG信号的相关处理结果,结合行为数据信息,分析在个体水平下,不同个体通过脑电数据和行为数据所反馈出的视觉辨识能力,根据行为数据的反应时和准确率对个体被试视觉辨识能力进行评价,并找到在脑电中与其相关的波形信息,结果表明:通过结合行为学中对颜色偏差判断的准确率与其所诱发的视觉失匹配负波的幅值,可以良好检测被试的视觉辨识能力,做到高低辨识能力的区分。
苏镜[7]（2021）在《运动想象脑电信号识别理论与算法研究》文中研究指明脑-机接口旨在大脑与外部设备之间构建一种新的通信通道,以相互传递信息。脑-机接口通过大脑与外部设备之间进行直接联系,构成了一种全新的大脑信息传输模式,广泛应用于医疗康复、智能控制、消费娱乐等领域。基于运动想象的脑-机接口是指受试者仅想象自己的肢体运动从而实现对外部设备的直接控制,具有广阔的应用前景。然而,运动想象脑电存在信号微弱、干扰噪声较强、数据维度高等特性,直接对其进行识别非常困难。因此,如何提取具有高判别性的低维特征是运动想象脑电信号识别中的关键。非负矩阵分解（Non-negative Matrix Factorization,NMF）方法因其对数据有很好的局部解释能力而成为一种常用的脑电信号特征提取与降维方法。然而,传统的NMF为无监督方法,缺乏对先验信息的利用,导致脑电信号的识别准确率偏低。为此,本文结合标签信息提出了系列的半监督NMF方法对运动想象脑电信号进行识别,并通过大量的实验验证算法的有效性。论文主要研究工作如下:1.基于运动想象脑电信号的特性,采用典型相关性分析方法对运动想象脑电信号的空间分量和频谱分量进行特征提取,并引入谱聚类方法对所提取的特征进行分类。该方法所提取的空间与频谱特征有助于提高运动想象脑电信号的区分能力。2.系统分析了 NMF在运动想象脑电信号识别中的效果。通过结合训练样本,引入了一种标签约束NMF方法,使得具有同类标签的运动想象脑电信号在降维后具有相同的表示,从而提高识别准确率。此外,通过改进标签硬约束方法,在标签约束NMF模型中加入了一个不相似正则项使得具有不同标签的脑电信号在低维空间具有更大的间隔。实验结果表明,通过将标签信息与NMF相结合可以提高运动想象脑电信号的识别性能。3.标签约束NMF方法将具有相同标签的训练样本映射到低维空间的同一个点上,在此过程中忽略了数据的模糊性、复杂性等原始属性。为保留数据原始特征,本文提出了一种模糊约束NMF方法。通过结合标签信息,该方法假设训练样本完全隶属于被标记类别,构造一个硬标签矩阵;考虑到被标记的样本与其它类别的关系,另构造一个软标签矩阵,将训练样本的隶属度平均分配到与被标记类别不同的其它类别;进而将构造的两个标签矩阵作为NMF的附加约束,实现了标签约束的模糊化。与标签约束方法相比,模糊约束下提取的特征包含更多的原始特征。在对两个公共数据集识别中,分类准确率均高于现有方法,表明了所提出的方法对于运动想象EEG识别的有效性。4.为深度挖掘运动想象脑电信号的标签信息,提出了一种基于标签松弛的NMF方法。根据训练样本的相似性关系,若单个训练样本与被标记类别的相似性越高,则在构造的标签矩阵中赋予此训练样本更高的标签权重,实现了标签约束的松弛化;同时为防止标签过松弛,加入了不相似正则项来增加具有不同标签训练样本之间的距离。系统地分析了所提方法的更新规则、收敛性以及时间复杂度等。与传统的NMF及硬约束NMF相比,标签松弛后所提取的特征可以更好地拟合原始样本,并在少量训练样本的情况下得到了较好的识别效果。5.分析了所提方法在多任务运动想象脑电的识别效果。采集了六位用户四任务运动想象脑电,包括左手、右手、脚以及舌头想象,并结合公共运动想象脑电信号数据集对所提方法的识别效果进行了检测。通过对自行采集数据集与公共数据集的实验,表明了所提方法的识别效果优于传统方法,不仅适用于处理运动想象脑电信号,而且还可应用于多任务运动想象脑电信号的识别。
令娜娜[8]（2021）在《术前残余听力与CI术后听觉言语康复效果的相关性研究》文中认为目的:回顾性分析接受单侧人工耳蜗植入患者的临床资料,分析残余听力与内耳形态的相关性,探究术前残余听力对CI术后疗效的影响,揭示术前残余听力对CI患者术后听觉言语康复效果评估的价值。方法:选取2012年-2015年于兰州大学第二医院耳鼻咽喉头颈外科接受单侧人工耳蜗植入术的383例患者,收集患者的临床资料,按Sennaroglu内耳畸形分类标准将所有患者分为内耳结构正常组、EVA畸形组、EVA+IP-II畸形组、其他内耳畸形共4组,结果采用SPSS 26.0软件进行统计学分析,比较各组的残余听力分布情况,分析残余听力与内耳形态的相关性。对术前完成ASSR检查的患者分为有残余听力组和无残余听力组,评估术后听觉言语康复效果,研究两组患者CI术后疗效的差异,分析术前残余听力阈值与CI术后疗效的相关性。结果:1.影像学诊断本组病例内耳畸形的发生率为25.07%,最常见的三种内耳畸形为EVA畸形、EVA+IP-II畸形、IP-II畸形。2.术前听力学评估及残余听力情况:所有患者经临床检查及听力学检查确诊为重度及极重度感音神经性听力损失,ABR对残余听力的检出率为13.97%,ASSR对残余听力的检出率为60.12%。按内耳形态分类的内耳结构正常组、EVA畸形组、EVA+IP-II畸形组和其他内耳畸形共4组,各组间ABR阈值的分布差异具有显着性（P<0.001）,其中EVA畸形组与EVA+IP-II畸形组的ABR阈值比内耳结构正常组及其他内耳畸形组有更好的残余听力,差异有统计学意义。ASSR结果与此吻合,4组患者各频率残余听力的分布均有显着性差异（P<0.001）,其中EVA畸形组与EVA+IP-II畸形组ASSR各频率的阈值比内耳结构正常组及其他内耳畸形组有更好的残余听力,差异有统计学意义。3.CI患者的术前残余听力与术后听觉言语康复效果的相关性完成ASSR的242例患者,有残余听力组患者的声调、扬扬格词、安静环境下中文标准短句识别率优于无残余听力组,且差异有统计学意义（P<0.05）。进一步比较不同内耳形态患者中残余听力对术后疗效的影响:在内耳结构正常患者中,有残余听力患者的单音节字、韵母、声调、扬扬格词及安静环境下中文标准短句识别率优于无残余听力组,且差异有统计学意义（P<0.05）;而内耳畸形患者的残余听力与术后疗效无类似的相关性,有残余听力患者与无残余听力患者的助听听阈、问卷评估及开放式言语识别率的差异均无统计学意义（P>0.05）。4.CI患者的术前残余听力阈值与术后听觉言语康复效果的相关性CAP评分、SIR评分与ASSR各频率阈值及平均听阈呈负相关,声调与1.0kHz残余听力与的识别呈负相关,扬扬格词识别率与1.0 kHz、2.0 kHz、4.0kHz及平均听阈阈值呈负相关,安静环境下中文标准短句识别率与0.5 kHz、1.0 kHz及平均听阈阈值呈负相关,余各频率未见相关关系。0.5kHz残余听力与CAP评分、SIR评分及安静环境下中文标准短句识别率呈负相关,1.0kHz残余听力与CAP评分、SIR评分、声调、扬扬格词及安静环境下的中文标准短句识别率均呈负相关,2.0kHz及4.0kHz残余听力与CAP评分、SIR评分及扬扬格词识别率呈负相关,ASSR的平均听阈阈值与CAP评分、SIR评分、扬扬格词及安静环境下的中文标准短句识别率呈负相关。结论:1.EVA畸形及EVA+IP-II畸形患者的听力学特征一致,且较内耳结构正常组、其他内耳结构畸形患者的残余听力好。2.残余听力在一定程度上影响内耳形态正常的CI患者术后听觉言语康复效果,而对内耳畸形患者的CI术后疗效影响不明显。3.低频残余听力对CI患者的术后康复具有一定的正向益处,有利于患者早期的听觉言语康复,术中保存残余听力也是术后康复的实际需要。4.对大多数ABR和ASSR未引出残余听力的感音性听力损失患者,接受CI手术也可获得一定的疗效。5.接受CI手术的非综合征型感音神经性听力损失人群中,内耳畸形的发生率为25.07%,最常见的三种内耳畸形为EVA畸形、EVA+IP-II畸形和IP-II畸形。
李家东[9]（2020）在《基于脑电运动想象的智能家居控制系统》文中指出脑机接口（Brain Computer Interface,BCI）是一种实现人脑和计算机或其他设备之间通信的系统,为人脑和外界的信息交互提供了一种全新的方式。脑机接口的初衷是帮助身体有严重运动障碍的人对外部设备的控制。基于此,本文设计了一套基于运动想象的智能家居控制系统,旨在帮助残疾人通过自己的想象控制外部的家居设备。论文的工作主要体现在以下几个方面:（1）预处理阶段,在基于独立分量分析（Independent Component Analysis,ICA）方法的基础之上,提出了基于最速步长下降的独立向量分析（Independent Vector Analysis,IVA）方案,并通过人工混合数据和实采脑电数据两个仿真实验论证所提出算法的分离效果和收敛速度。实验也表明,所提出算法的信干比优于ICA和自然下降IVA方法;相关矩阵的副对角线数值也保持在0.85附近,说明分离效果明显;另外通过实采脑电数据所得出的收敛速度最快。（2）特征提取阶段,为克服小样本特征提取不稳定的缺点,可以在共空间模式（Common Spatial Pattern,CSP）下引入正则化方法,对训练数据进行加权后再合并,有效避免了训练样本的单一性。通过简化样本可减少数据的个体差异,并提高系统的稳定性。（3）分类识别阶段,线性分类器的主要特点包括计算量小,模型简单,并且对二分类问题具有较为优越的性能。但是,对于现阶段更多的将脑机接口应用于在线实验这种趋势而言,线性分类器仍有两个重要问题待解决。第一:在实验阶段,短时间之内只能采集到很小的样本量,达不到机器学习的最佳效果。为了扩大样本量,只能将受试者之前采集的样本数据加入到现采集的样本数据中共同分析。第二,均通过离线训练获得实时操作的脑机接口系统中的EEG信号的特征提取和模式分类模型。为了解决线性分类器这两个问题,本文将Fisher线性分类器进行优化,即采用一种基于自适应感知线性分类器（adaption perceptron LDA,ap LDA）的算法,使其应用于在线分类,并提供系统在线分类的精度。（4）最后,论文设计了一套基于运动想象的智能家居控制系统,受试者通过头戴Emotiv Insight脑电设备进行运动想象,即可控制家居设备。并通过实验分析,得到了90.25%准确率,实验结果表明本文提出的基于运动想象的智能家居系统的可行性、准确性和实用性。
管宏宇[10]（2020）在《基于脑电的声、光、热复合环境对人体舒适度交互作用规律研究》文中进行了进一步梳理良好的室内环境有利于保障人员健康和提高工作效率。室内环境包含声、光、热等多个因素,但针对建筑声、光、热复合环境对人体舒适度交互作用的研究相对较少,且研究手段以主观问卷为主,缺少生理参数的支持。复合因素对人体舒适度的影响不是各单因素作用的简单叠加,也不能依据单一因素的作用结果预测。因此,有必要深入研究声、光、热复合环境对人体综合舒适度的交互作用规律。基于此,本文从工学、医学、生理学和心理学等多学科的角度出发,针对不同声、光、热复合环境对人体舒适度交互作用规律展开研究。主要研究内容如下:首先,通过主观评价和生理参数测试相结合的方式,从双因素（热+光、热+声、声+光）复合环境到声+光+热三因素环境,系统地研究了不同声、光、热复合环境对人体舒适度的交互作用。结果表明热+光复合环境下,色温影响热感觉,在近热舒适区,光舒适不受温度的影响;热+声复合环境下,热舒适受声环境的影响,乐音可以改善人员满意度;声+光复合环境下,声环境对光舒适有显着影响,但不影响光感觉,光环境对声舒适无显着影响;声+光+热复合环境下,温度、照度、色温、声压级、声音种类对人体综合舒适度影响效应不同,在本研究的实验条件下,各影响因素效应量排序:声压级>温度>声音种类>照度>色温。然后,在总结人体声感觉、光感觉、热感觉生理反应机制的基础上,提出使用脑电技术研究声、光、热复合环境对人体舒适度作用机理的研究方法。结合脑电与人体生理、心理的关系,总结了脑电技术用于声、光、热复合环境下人体舒适度机理研究的生理心理学基础。而后,在典型舒适和不舒适环境的基础上,使用自发脑电技术研究了不同综合舒适度环境对脑电特征参数的影响。结果表明室内环境对大脑皮层活动有显着影响。与不舒适环境相比,舒适环境下顶叶（P3,P4）脑电总能量更小,额叶（Fp1,Fp2）的Theta频段能量占比更高。舒适状态下,大脑处于低能耗状态,从能耗角度解释了不同环境对人体综合舒适度的影响机理,证明脑电可作为客观描述人体综合舒适度的生理参数。最后,在典型舒适和不舒适环境的基础上,使用事件相关电位技术研究了不同综合舒适度环境对人员心理影响。结果表明室内环境可以对人员产生心理效应,不同综合舒适度环境下,情绪图片诱发的情绪唤起不同,不舒适环境下人员更易产生负性情绪,影响人体主观感受。本文研究成果对改善室内环境、提高人员满意度及完善相关的综合舒适度标准均具有重要意义。
二、AR谱在听觉诱发电位信号分析中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、AR谱在听觉诱发电位信号分析中的应用（论文提纲范文）
（1）体育舞蹈运动员节奏感知的行为特征及其机制研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 节奏感知 |
| 2.2 感觉运动同步 |
| 2.2.1 异步性和变异性 |
| 2.2.2 负平均异步性 |
| 2.2.3 呈现刺激对感觉运动同步的影响 |
| 2.3 节奏感知同步在认知神经科学中的研究 |
| 2.3.1 外界节律与神经振荡同步化 |
| 2.4 关于节奏感知-运动同步的理论解释 |
| 2.4.1 早期理论 |
| 2.4.2 共振理论 |
| 2.4.3 动态注意理论 |
| 2.5 节奏感知同步在舞蹈领域的研究 |
| 3 问题提出 |
| 4 研究框架 |
| 5 研究内容 |
| 5.1 研究一:舞蹈经验影响节奏感知的行为学依据 |
| 5.1.1 实验目的 |
| 5.1.2 实验方法 |
| 5.1.2.1 研究对象 |
| 5.1.2.2 实验材料 |
| 5.1.2.3 实验程序 |
| 5.1.2.4 数据处理 |
| 5.1.3 实验结果 |
| 5.1.3.1 节奏偏好 |
| 5.1.3.2 平均异步性 |
| 5.1.3.3 绝对平均异步性 |
| 5.1.3.4 异步性的标准差 |
| 5.1.4 讨论 |
| 5.1.5 小结 |
| 5.2 研究二:体育舞蹈运动员感觉运动同步的加工机制 |
| 5.2.1 实验2a:听觉节奏刺激的感觉运动同步机制 |
| 5.2.1.1 实验目的 |
| 5.2.1.2 实验方法 |
| 5.2.1.3 实验结果 |
| 5.2.1.4 讨论 |
| 5.2.1.5 小结 |
| 5.2.2 实验2b:视觉节奏刺激的感觉运动同步机制 |
| 5.2.2.1 实验目的 |
| 5.2.2.2 实验方法 |
| 5.2.2.3 实验结果 |
| 5.2.2.4 讨论 |
| 5.2.2.5 小结 |
| 5.2.3 实验2c:视听双通道节奏刺激的感觉运动同步机制 |
| 5.2.3.1 实验目的 |
| 5.2.3.2 实验方法 |
| 5.2.3.3 实验结果 |
| 5.2.3.4 讨论 |
| 5.2.3.5 小结 |
| 5.3 研究三:体育舞蹈运动员节奏感知-运动同步的动态加工机制 |
| 5.3.1 实验3a:听觉节奏感知过程的动态加工机制 |
| 5.3.1.1 实验目的 |
| 5.3.1.2 实验方法 |
| 5.3.1.3 实验结果 |
| 5.3.1.4 讨论 |
| 5.3.1.5 小结 |
| 5.3.2 实验3b:视觉节奏感知过程的动态加工机制 |
| 5.3.2.1 实验目的 |
| 5.3.2.2 实验方法 |
| 5.3.2.3 实验结果 |
| 5.3.2.4 讨论 |
| 5.3.2.5 小结 |
| 5.3.3 实验3c:视听双通道节奏感知过程的动态加工机制 |
| 5.3.3.1 实验目的 |
| 5.3.3.2 实验方法 |
| 5.3.3.3 实验结果 |
| 5.3.3.4 讨论 |
| 5.3.3.5 小结 |
| 6 总讨论 |
| 6.1 体育舞蹈运动员节奏感知-运动同步的行为优势 |
| 6.2 体育舞蹈运动员节奏感知-运动同步的大脑神经活动特征 |
| 6.3 节奏时间间隔对感知-运动同步的影响 |
| 7 结论 |
| 8 创新与展望 |
| 8.1 创新 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 博士期间科研成果 |
（2）自然刺激注意机制的脑电研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 注意的认知神经机制 |
| 1.2.1 自上而下的注意机制 |
| 1.2.2 自下而上的注意机制 |
| 1.2.3 交互的注意加工过程 |
| 1.3 基于视听刺激的注意机制研究 |
| 1.3.1 听觉注意机制研究 |
| 1.3.2 视觉注意机制研究 |
| 1.4 注意机制的脑电研究方法 |
| 1.4.1 人工刺激的脑电响应 |
| 1.4.2 自然刺激的脑电响应 |
| 1.5 注意研究现状总结与存在问题 |
| 1.6 研究内容 |
| 1.6.1 研究一:自然语篇中词汇加工的自上而下注意调节 |
| 1.6.2 研究二:自下而上的声学线索对自然语篇加工的注意调节 |
| 1.6.3 研究三:自然视频场景中目标检测的注意调节 |
| 1.6.4 研究框架 |
| 1.7 论文结构安排 |
| 2 研究平台及信号采集处理方法 |
| 2.1 实验平台 |
| 2.2 脑电图 |
| 2.2.1 工作原理 |
| 2.2.2 脑电记录 |
| 2.2.3 延时测量 |
| 2.2.4 信号预处理 |
| 2.3 数据处理算法 |
| 2.3.1 时间规整分析 |
| 2.3.2 相位一致性分析 |
| 2.3.3 主成分分析 |
| 2.3.4 岭回归 |
| 2.4 统计检验方法 |
| 2.4.1 自举检验 |
| 2.4.2 置换检验 |
| 2.4.3 刀切法检验 |
| 2.4.4 错误发现率 |
| 2.5 本章小结 |
| 3 自然语篇中词汇加工的自上而下注意调节 |
| 3.1 引言 |
| 3.2 语音刺激 |
| 3.2.1 结构化语篇 |
| 3.2.2 合成语音 |
| 3.2.3 自然朗读语音 |
| 3.2.4 神经响应仿真 |
| 3.3 实验设计与流程 |
| 3.3.1 语音评估测验 |
| 3.3.2 实验一流程 |
| 3.3.3 实验二流程 |
| 3.3.4 实验三流程 |
| 3.4 语音神经响应的频谱分析 |
| 3.4.1 注意情况下合成语音的脑电响应频谱分析 |
| 3.4.2 非注意情况下合成语音的脑电响应频谱分析 |
| 3.4.3 注意情况下自然朗读语音的脑电响应频谱分析 |
| 3.4.4 情况间比较分析 |
| 3.5 本章小结 |
| 4 自下而上的声学线索对自然语篇加工的注意调节 |
| 4.1 引言 |
| 4.2 语音刺激 |
| 4.2.1 声学调制 |
| 4.2.2 神经响应仿真 |
| 4.3 实验设计与流程 |
| 4.3.1 语音评估测验 |
| 4.3.2 实验一流程 |
| 4.3.3 实验二流程 |
| 4.3.4 实验三流程 |
| 4.4 调制语音神经响应的频谱分析 |
| 4.4.1 注意情况下调制语音的脑电响应频谱分析 |
| 4.4.2 非注意情况下调制语音的脑电响应频谱分析 |
| 4.4.3 实验的重复验证 |
| 4.5 调制语音神经响应的相位分析 |
| 4.5.1 注意情况下调制语音的脑电响应相位分析 |
| 4.5.2 非注意情况下调制语音的脑电响应相位分析 |
| 4.5.3 实验的重复验证 |
| 4.6 分离词汇及声学调制的的神经响应 |
| 4.6.1 词汇响应分析 |
| 4.6.2 声学调制响应分析 |
| 4.6.3 词汇与声学调制响应的比较分析 |
| 4.6.4 实验的重复验证 |
| 4.7 本章小结 |
| 5 自然视频场景中目标检测的注意调节 |
| 5.1 引言 |
| 5.2 视觉刺激标记技术 |
| 5.2.1 自然视频的区域调制 |
| 5.2.2 提取视觉诱发响应 |
| 5.2.3 技术优势 |
| 5.3 实验设计与流程 |
| 5.3.1 实验一流程 |
| 5.3.2 实验二流程 |
| 5.4 自然视频的脑电响应分析 |
| 5.4.1 视觉诱发响应分析 |
| 5.4.2 个体的视觉诱发响应分析 |
| 5.5 视觉目标检测的行为结果 |
| 5.5.1 行为结果分析 |
| 5.5.2 行为结果的个体分布 |
| 5.6 自然视频场景的脑电响应分析 |
| 5.6.1 视觉目标和视觉干扰的事件相关电位分析 |
| 5.6.2 视频背景的视觉诱发电位分析 |
| 5.7 脑电响应预测个体行为结果 |
| 5.7.1 脑电响应预测个体的反应时 |
| 5.7.2 脑电响应预测个体的正确率 |
| 5.7.3 不同人群的脑电响应差异分析 |
| 5.7.4 脑电响应的联合预测分析 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 创新点与不足 |
| 6.3 展望 |
| 参考文献 |
| 主要名词缩写 |
| 作者简历 |
| 攻读博士期间发表的学术论文及成果 |
（3）基于诱发电位的声感觉评价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状分析 |
| 1.3 本文主要研究内容与研究方法 |
| 第2章 人体听神经及声感觉的理论基础 |
| 2.1 人体听觉传导理论 |
| 2.2 声环境理论基础 |
| 2.3 脑干听觉诱发电位 |
| 2.4 本章小结 |
| 第3章 噪音环境下声感觉实验研究 |
| 3.1 实验目的 |
| 3.2 实验台概况 |
| 3.3 实验方案设计 |
| 3.4 本章小结 |
| 第4章 主观声感觉与诱发电位相关性研究 |
| 4.1 人体主观声感觉评价结果分析 |
| 4.2 听觉诱发电位潜伏期变化分析 |
| 4.3 听觉诱发电位幅值变化分析 |
| 4.4 诱发脑电潜伏期、幅值与主观声感觉评价的关系 |
| 4.5 本章小结 |
| 第5章 噪音环境下声感觉评价方法研究 |
| 5.1 听觉诱发电位的数据处理方法 |
| 5.2 噪音环境下听觉诱发电位能量分析 |
| 5.3 基于能量分析的主观声感觉评价方法 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文结论 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及科研工作 |
| 致谢 |
（4）基于双模诱发方式的严重意识障碍分类识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作、创新点、论文结构 |
| 1.3.1 本文主要研究工作 |
| 1.3.2 本文主要创新点 |
| 1.3.3 本文组织结构 |
| 第2章 脑电信号的采集和预处理 |
| 2.1 脑电信号概述 |
| 2.1.1 脑电信号的产生 |
| 2.1.2 脑电信号的特点 |
| 2.2 脑电信号的采集 |
| 2.2.1 实验对象的选择 |
| 2.2.2 实验设计 |
| 2.2.3 实验环境要求 |
| 2.2.4 采集设备介绍 |
| 2.3 脑电信号的预处理 |
| 2.3.1 独立成分分析算法 |
| 2.3.2 脑电信号预处理结果分析 |
| 2.4 本章小结 |
| 第3章 基于双模诱发的脑电信号特征提取与分析 |
| 3.1 脑电信号特征提取的基本理论 |
| 3.1.1 功率谱分析基本原理 |
| 3.1.2 频带能量特征提取基本原理 |
| 3.1.3 非线性动力学特征提取基本原理 |
| 3.2 基于听觉唤名刺激下的脑电特征分析 |
| 3.2.1 基于频带能量特征的实验结果分析 |
| 3.2.2 基于排列熵特征的实验结果分析 |
| 3.3 基于体感痛觉刺激下的脑电特征分析 |
| 3.3.1 基于功率谱特征的实验结果分析 |
| 3.3.2 基于近似熵特征的实验结果分析 |
| 3.4 基于不同特征参数的统计学分析 |
| 3.5 本章小结 |
| 第4章 基于多核学习SVM的严重意识障碍分类研究 |
| 4.1 支持向量机模型 |
| 4.2 多核学习模型 |
| 4.3 基于多核学习SVM的意识状态分类识别 |
| 4.3.1 实验数据选择与处理 |
| 4.3.2 单个特征参数的分类结果统计分析 |
| 4.3.3 多域特征融合的分类结果统计分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（5）嵌入式ERP同步校正采集系统（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作和论文结构 |
| 1.4 本论文的结构安排 |
| 第二章 理论知识与系统整体软硬件方案介绍 |
| 2.1 ERP信号相关知识 |
| 2.1.1 事件相关电位的测试方法及实验范式 |
| 2.1.2 影响事件相关电位因素 |
| 2.2 图形翻转视觉诱发电位 |
| 2.3 系统硬件和软件设计方案 |
| 2.4 本章小结 |
| 第三章 系统硬件设计 |
| 3.1 系统硬件框架 |
| 3.2 控制模块电路原理图 |
| 3.3 电源原理图 |
| 3.3.1 电池充电部分电路 |
| 3.3.2 核心控制以及LCD供电电源 |
| 3.4 光信号的检测 |
| 3.5 声音信号的检测 |
| 3.6 本章小结 |
| 第四章 系统软件设计 |
| 4.1 应用程序概述 |
| 4.2 刺激界面的开发 |
| 4.3 数据采集分析部分的开发 |
| 4.4 基于μC/OS-III的程序 |
| 4.5 本章小结 |
| 第五章 实验验证与结果分析 |
| 5.1 实验材料 |
| 5.2 脑电电极分布与数据采集 |
| 5.3 实验对象 |
| 5.4 实验设计 |
| 5.4.1 视觉ERP实验 |
| 5.4.2 听觉ERP实验 |
| 5.4.3 图形翻转视觉诱发电位实验 |
| 5.5 实验流程 |
| 5.5.1 基于EPRIM搭建的视/听觉ERP校正模块验证实验 |
| 5.5.2 QT基于LINUX平台搭建的视/听觉ERP在线系统验证实验 |
| 5.5.3 QT基于LINUX平台搭建的图形翻转视觉诱发电位应用实验 |
| 5.6 实验结果分析 |
| 5.6.1 校正后串口发送与刺激信号之间的误差精度 |
| 5.6.2 基于EPRIM搭建的视/听觉ERP校正模块验证实验结果分析 |
| 5.6.3 QT基于LINUX平台搭建的在线系统实验结果分析 |
| 5.6.4 QT基于LINUX平台搭建的图形翻转视觉诱发电位结果分析 |
| 5.7 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结与展望 |
| 致谢 |
| 参考文献 |
（6）基于视觉失匹配负波的视觉辨识能力检测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 听觉失匹配负波研究 |
| 1.2.2 视觉失匹配负波研究 |
| 1.2.3 视觉认知功能研究 |
| 1.3 论文的主要研究内容 |
| 1.3.1 视觉失匹配负波实验设计 |
| 1.3.2 视觉失匹配负波的提取以及分析 |
| 1.3.3 视觉辨识能力检测 |
| 1.3.4 技术路线图 |
| 1.4 论文组织结构及章节安排 |
| 2 实验设计及数据预处理 |
| 2.1 实验设计 |
| 2.1.1 实验环境 |
| 2.1.2 被试选择 |
| 2.1.3 设计实验 |
| 2.2 数据的采集与预处理 |
| 2.2.1 数据的采集 |
| 2.2.2 数据预处理 |
| 2.2.3 事件相关电位波形处理 |
| 2.3 本章小结 |
| 3 注意力以及实验范式相关的视觉失匹配负波分析 |
| 3.1 Oddball范式结果讨论 |
| 3.2 Optimal范式结果讨论 |
| 3.3 统计分析 |
| 3.3.1 注意力条件影响 |
| 3.3.2 实验范式间对比 |
| 3.4 本章小结 |
| 4 组水平下的视觉失匹配负波分析 |
| 4.1 不同偏差种类下的视觉失匹配负波 |
| 4.1.1 颜色 |
| 4.1.2 倾斜角度 |
| 4.1.3 形状 |
| 4.2 不同偏差级别下的视觉失匹配负波 |
| 4.3 统计分析 |
| 4.4 本章小结 |
| 5 个体水平下的视觉辨识能力检测 |
| 5.1 个体特征数据提取 |
| 5.1.1 脑电特征提取 |
| 5.1.2 行为特征提取 |
| 5.2 视觉辨识能力融合检测 |
| 5.2.1 行为数据分析 |
| 5.2.2 视觉辨识能力判定 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）运动想象脑电信号识别理论与算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 脑机接口的研究背景及意义 |
| 1.2 脑机接口的概述 |
| 1.2.1 脑机接口系统的组成 |
| 1.2.2 脑电信号的概述 |
| 1.2.3 脑机接口的分类 |
| 1.2.4 运动想象脑电的概述 |
| 1.3 脑机接口的研究现状分析 |
| 1.3.1 脑机接口的发展 |
| 1.3.2 运动想象脑电信号处理现状 |
| 1.3.3 运动想象脑电信号时频域方法分析 |
| 1.3.4 运动想象脑机接口技术的关键问题 |
| 1.4 本文解决的问题及研究内容 |
| 1.5 本文主要内容和章节安排 |
| 第二章 基于典型相关性分析的运动想象脑电信号识别 |
| 2.1 引言 |
| 2.2 方法 |
| 2.2.1 典型相关性分析 |
| 2.2.2 谱聚类方法 |
| 2.3 仿真实验 |
| 2.3.1 实验设计 |
| 2.3.2 实验数据描述 |
| 2.3.3 结果与讨论 |
| 2.4 本章小结 |
| 第三章 基于非负矩阵分解的运动想象脑电信号识别 |
| 3.1 引言 |
| 3.2 方法 |
| 3.2.1 共同空间模式 |
| 3.2.2 非负矩阵分解模型 |
| 3.2.3 标签约束非负矩阵分解 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第四章 双约束非负矩阵分解运动想象脑电信号识别 |
| 4.1 引言 |
| 4.2 方法 |
| 4.2.1 双约束非负矩阵分解模型 |
| 4.2.2 更新规则 |
| 4.2.3 收敛性证明 |
| 4.3 仿真实验 |
| 4.3.1 数据描述 |
| 4.3.2 实验流程 |
| 4.3.3 结果与讨论 |
| 4.4 本章小结 |
| 第五章 模糊约束非负矩阵分解运动想象脑电信号识别 |
| 5.1 引言 |
| 5.2 方法 |
| 5.2.1 模糊约束非负矩阵分解模型 |
| 5.2.2 更新规则 |
| 5.2.3 实验流程 |
| 5.3 仿真实验 |
| 5.3.1 实验数据描述 |
| 5.3.2 参数选取 |
| 5.3.3 结果与分析 |
| 5.4 本章小结 |
| 第六章 标签松弛非负矩阵分解运动想象脑电信号识别 |
| 6.1 引言 |
| 6.2 方法 |
| 6.2.1 离散小波变换 |
| 6.2.2 标签松弛非负矩阵分解模型 |
| 6.2.3 更新规则 |
| 6.2.4 计算复杂度分析 |
| 6.3 仿真实验 |
| 6.3.1 实验流程 |
| 6.3.2 评价指标 |
| 6.3.3 结果与讨论 |
| 6.3.4 参数敏感度及收敛分析 |
| 6.4 多任务运动想象脑电信号分析 |
| 6.4.1 实验数据采集 |
| 6.4.2 实验结果及分析 |
| 6.5 本章小结 |
| 总结与展望 |
| 工作总结 |
| 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得与学位论文相关的成果 |
| 致谢 |
（8）术前残余听力与CI术后听觉言语康复效果的相关性研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 缩略词中英文对照表 |
| 第一章 背景 |
| 第二章 研究对象方法 |
| 2.1 研究对象 |
| 2.2 病史资料采集 |
| 2.3 CI术后听觉言语康复效果评估 |
| 2.4 分组及比较方法 |
| 2.5 数据分析 |
| 第三章 结果 |
| 3.1 临床资料 |
| 3.2 内耳结构发育与残余听力的相关性分析 |
| 3.3 CI患者的术前残余听力与术后听觉言语康复效果的相关性分析 |
| 3.4 不同内耳结构患者的术前残余听力与CI术后听觉言语康复效果的相关性分析 |
| 3.5 术前残余听力程度与CI术后听觉言语康复效果的相关性分析 |
| 第四章 讨论 |
| 4.1 人工耳蜗植入术前听力评估 |
| 4.2 内耳形态与残余听力的相关性 |
| 4.3 CI患者的术前残余听力与术后听觉言语康复效果的相关性 |
| 第五章 结论 |
| 参考文献 |
| 综述 遗传性耳聋的基因治疗研究进展 |
| 参考文献 |
| 附录 |
| 在学期间的研究成果 |
| 致谢 |
（9）基于脑电运动想象的智能家居控制系统（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究意义 |
| 1.4 主要工作 |
| 1.5 课题来源 |
| 1.6 本文组织 |
| 第二章 相关背景知识介绍 |
| 2.1 脑机接口相关背景介绍 |
| 2.1.1 脑机接口系统概述 |
| 2.1.2 脑机接口系统分类 |
| 2.1.3 脑电信号的常用分析方法 |
| 2.2 脑机接口系统常用预处理方法介绍 |
| 2.2.1 典型相关分析 |
| 2.2.2 主成分分析 |
| 2.3 脑机接口系统常用特征提取方法介绍 |
| 2.4 脑机接口系统常用分类方法介绍 |
| 2.4.1 线性判别分析法 |
| 2.4.2 SVM支持向量机 |
| 2.4.3 朴素贝叶斯分类器 |
| 2.5 本章小结 |
| 第三章 基于运动想象的脑电信号识别方案设计 |
| 3.1 方案设计 |
| 3.2 脑电数据采集 |
| 3.3 脑电信号的预处理 |
| 3.3.1 独立分量分析模型 |
| 3.3.2 独立向量分析模型 |
| 3.3.3 代价函数 |
| 3.3.4 优化算法 |
| 3.4 特征提取 |
| 3.4.1 共空间模式 |
| 3.4.2 基于正则化的共空间模式 |
| 3.5 自适应线性分类器设计 |
| 3.5.1 Fisher线性分类器 |
| 3.5.2 感知器算法 |
| 3.5.3 自适应感知线性分类器 |
| 3.6 本章小结 |
| 第四章 系统的仿真与实现 |
| 4.1 预处理的仿真实验 |
| 4.1.1 人工混合数据仿真实验 |
| 4.1.2 实采脑电信号的仿真实验 |
| 4.2 特征提取结果分析 |
| 4.3 分类识别结果分析 |
| 4.4 智能家居系统的实现 |
| 4.4.1 软件设计 |
| 4.4.2 硬件设计 |
| 4.4.3 系统实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间申请的专利 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（10）基于脑电的声、光、热复合环境对人体舒适度交互作用规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 声、光、热复合环境对人员舒适度影响研究现状 |
| 1.2.2 脑电技术的研究现状 |
| 1.2.3 总结与评价 |
| 1.3 本文主要工作 |
| 1.3.1 研究内容 |
| 1.3.2 论文框架 |
| 第2章 声、光、热复合环境对人体舒适度交互影响研究 |
| 2.1 引言 |
| 2.2 实验研究 |
| 2.2.1 受试人员与实验场所 |
| 2.2.2 实验工况 |
| 2.2.3 实验内容和流程 |
| 2.3 数据的统计分析方法 |
| 2.4 结果与讨论 |
| 2.4.1 环境参数 |
| 2.4.2 双因素(热+光)复合环境中人体主观感受及生理参数 |
| 2.4.3 双因素(热+声)复合环境中人体主观感受及生理参数 |
| 2.4.4 双因素(声+光)复合环境中人体主观感受及生理参数 |
| 2.4.5 三因素(声+光+热)环境中人体综合舒适度 |
| 2.4.6 影响综合舒适度的环境因素权重 |
| 2.5 本章小结 |
| 第3章 脑电技术用于研究声、光、热环境下人体综合舒适度的理论基础 |
| 3.1 引言 |
| 3.2 声、光、热感觉产生的生理学基础 |
| 3.2.1 声感觉的生理反应机制 |
| 3.2.2 光感觉的生理反应机制 |
| 3.2.3 热感觉的生理反应机制 |
| 3.2.4 总结 |
| 3.3 脑电用于研究综合舒适度的生理心理学基础 |
| 3.3.1 自发脑电 |
| 3.3.2 诱发电位 |
| 3.3.3 脑电与人体生理的关系 |
| 3.3.4 脑电与人体心理的关系 |
| 3.4 本章小结 |
| 第4章 不同综合舒适度环境对人体脑电生理指标的影响 |
| 4.1 引言 |
| 4.2 实验研究 |
| 4.3 数据处理及统计 |
| 4.3.1 脑电数据预处理 |
| 4.3.2 电极选择 |
| 4.3.3 离散小波变换 |
| 4.3.4 统计分析 |
| 4.4 实验结果 |
| 4.4.1 主观评价 |
| 4.4.2 EEG总能量 |
| 4.4.3 频谱能量分析 |
| 4.4.4 相关性分析 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 第5章 基于事件相关电位技术的人体综合舒适度心理研究 |
| 5.1 引言 |
| 5.2 实验研究 |
| 5.3 实验结果 |
| 5.3.1 人体主观感受和行为结果 |
| 5.3.2 ERP成分及统计分析 |
| 5.4 讨论 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文结论 |
| 6.2 本文创新点 |
| 6.3 局限性与展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及科研工作 |
| 致谢 |
四、AR谱在听觉诱发电位信号分析中的应用（论文参考文献）
- [1]体育舞蹈运动员节奏感知的行为特征及其机制研究[D]. 金鑫虹. 上海体育学院, 2021(09)
- [2]自然刺激注意机制的脑电研究[D]. 罗城. 浙江大学, 2021(01)
- [3]基于诱发电位的声感觉评价方法研究[D]. 刘翰柔. 青岛理工大学, 2021
- [4]基于双模诱发方式的严重意识障碍分类识别研究[D]. 刘一凡. 长春理工大学, 2021
- [5]嵌入式ERP同步校正采集系统[D]. 吕彬. 电子科技大学, 2021(01)
- [6]基于视觉失匹配负波的视觉辨识能力检测[D]. 马兆楠. 大连理工大学, 2021(01)
- [7]运动想象脑电信号识别理论与算法研究[D]. 苏镜. 广东工业大学, 2021(08)
- [8]术前残余听力与CI术后听觉言语康复效果的相关性研究[D]. 令娜娜. 兰州大学, 2021(12)
- [9]基于脑电运动想象的智能家居控制系统[D]. 李家东. 南京邮电大学, 2020(02)
- [10]基于脑电的声、光、热复合环境对人体舒适度交互作用规律研究[D]. 管宏宇. 青岛理工大学, 2020