| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 脑计算的心理学和生理学基础 | 第10-11页 |
| 1.2 脑电信号研究背景 | 第11-15页 |
| 1.2.1 脑电信号（EEG）产生机制 | 第11-12页 |
| 1.2.2 脑电信号的特点和分类 | 第12-14页 |
| 1.2.3 脑电信号的采集和记录 | 第14-15页 |
| 1.3 脑-计算机接口技术 | 第15-19页 |
| 1.3.1 脑-计算机接口系统的研究现状 | 第16-18页 |
| 1.3.2 脑-计算机接口系统的核心技术和主要挑战 | 第18-19页 |
| 1.4 本论文的研究内容 | 第19-22页 |
| 第二章 研究方法和算法原理 | 第22-43页 |
| 2.1 脑信号预处理方法 | 第23-32页 |
| 2.1.1 独立分量分析 | 第23-31页 |
| 2.1.2 时域滤波 | 第31-32页 |
| 2.1.3 去基线漂移 | 第32页 |
| 2.2 脑波模式特征提取和模式分类算法 | 第32-42页 |
| 2.2.1 小波变换和时频谱分析 | 第33-35页 |
| 2.2.2 共同空间模式分析 | 第35-37页 |
| 2.2.3 公共张量判别分析 | 第37-39页 |
| 2.2.4 支持向量分类器 | 第39-42页 |
| 2.3 本章小结 | 第42-43页 |
| 第三章 系统设计与实现 | 第43-66页 |
| 3.1 BCI 系统的框架原型 | 第43-45页 |
| 3.2 系统总体设计框架 | 第45-47页 |
| 3.3 系统工作模式 | 第47-51页 |
| 3.3.1 交互训练和在线模拟训练模式 | 第48-50页 |
| 3.3.2 在线远程驾驶模式 | 第50-51页 |
| 3.3.3 离线计算和分析模式 | 第51页 |
| 3.4 系统功能模块 | 第51-53页 |
| 3.5 系统配置和参数设定 | 第53-54页 |
| 3.6 远程机械车通讯接口和控制策略 | 第54-57页 |
| 3.6.1 远程机械车结构设计 | 第54-55页 |
| 3.6.2 蓝牙通讯和控制 | 第55-56页 |
| 3.6.3 车辆控制策略 | 第56-57页 |
| 3.7 系统的实现 | 第57-65页 |
| 3.7.1 工程概要 | 第58页 |
| 3.7.2 程序界面 | 第58-62页 |
| 3.7.3 MATLAB 混合编程技术 | 第62-65页 |
| 3.8 本章小结 | 第65-66页 |
| 第四章 在线实验 | 第66-71页 |
| 4.1 在线实验设计 | 第66-68页 |
| 4.1.1 实验受试者和训练刺激信号 | 第66-67页 |
| 4.1.2 在线远程驾驶测试 | 第67-68页 |
| 4.2 信号采集 | 第68-69页 |
| 4.3 实验系统参数设定 | 第69-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 实验结果分析 | 第71-86页 |
| 5.1 各模块算法结果分析 | 第71-80页 |
| 5.1.1 独立分量分析提取独立分量和去除伪迹 | 第71-73页 |
| 5.1.2 时域滤波器 | 第73-75页 |
| 5.1.3 小波和时频谱分析 | 第75-76页 |
| 5.1.4 共同空间特征提取 | 第76-77页 |
| 5.1.5 公共判别张量分解结果 | 第77-79页 |
| 5.1.6 支持向量机分类结果 | 第79-80页 |
| 5.2 系统总体结果分析 | 第80-85页 |
| 5.2.1 系统离线分类结果分析 | 第80-83页 |
| 5.2.2 在线实验效果和预测精度 | 第83-85页 |
| 5.3 本章小结 | 第85-86页 |
| 第六章 结论 | 第86-89页 |
| 6.1 本论文主要创新和贡献 | 第86-87页 |
| 6.2 后续研究工作 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 符号与标记（附录1） | 第93-94页 |
| 致谢 | 第94-95页 |
| 攻读硕士学位期间已发表或录用的论文 | 第95-98页 |
| 上海交通大学学位论文答辩决议书 | 第98页 |