摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第8-20页 |
1.1 研究背景和意义 | 第8-9页 |
1.2 脑-机接口研究现状 | 第9-14页 |
1.2.1 脑-机接口概述 | 第9-10页 |
1.2.2 脑电信号采集与范式 | 第10-11页 |
1.2.3 脑控轮椅系统 | 第11-14页 |
1.3 复杂网络时间序列研究现状 | 第14-17页 |
1.3.1 一元时间序列复杂网络 | 第14-15页 |
1.3.2 多元时间序列复杂网络 | 第15-17页 |
1.4 本文主要工作与创新点 | 第17-18页 |
1.5 论文组织结构 | 第18-20页 |
第2章 基于脑控轮椅系统的正常与疲劳状态脑电信号采集 | 第20-28页 |
2.1 用户刺激界面设计 | 第20-23页 |
2.1.1 刺激界面设计原理 | 第20-21页 |
2.1.2 刺激界面编程实现 | 第21-23页 |
2.2 信号采集 | 第23-27页 |
2.2.1 采集设备 | 第23-24页 |
2.2.2 被试选取 | 第24页 |
2.2.3 实验流程 | 第24-27页 |
2.3 本章小结 | 第27-28页 |
第3章 正常与疲劳状态SSVEP分类准确率对比研究 | 第28-40页 |
3.1 信号预处理 | 第28-29页 |
3.1.1 去伪迹 | 第28页 |
3.1.2 通道选取 | 第28-29页 |
3.2 特征提取 | 第29-34页 |
3.3 准确率分析 | 第34-39页 |
3.4 本章小结 | 第39-40页 |
第4章 基于模态迁移网络的SSVEP疲劳机制研究 | 第40-48页 |
4.1 基于模态迁移的复杂网络构建 | 第40-42页 |
4.2 脑控轮椅系统疲劳机制研究 | 第42-47页 |
4.2.1 小世界特性 | 第43-44页 |
4.2.2 基于复杂网络的疲劳机制分析 | 第44-47页 |
4.3 本章小结 | 第47-48页 |
第5章 基于SSVEP脑电范式的脑控轮椅系统设计 | 第48-58页 |
5.1 脑控轮椅系统 | 第48-49页 |
5.2 便携式EEG信号采集通信模块的搭建 | 第49-53页 |
5.2.1 USB通信简介 | 第49-50页 |
5.2.2 USB通信模块的设计 | 第50-53页 |
5.3 轮椅控制的硬件实现 | 第53-55页 |
5.4 脑控轮椅避障实验 | 第55-57页 |
5.5 本章小结 | 第57-58页 |
第6章 总结和展望 | 第58-60页 |
6.1 总结 | 第58-59页 |
6.2 展望 | 第59-60页 |
参考文献 | 第60-68页 |
发表论文和参加科研情况说明 | 第68-70页 |
发表学术论文 | 第68页 |
参与科研项目 | 第68-70页 |
致谢 | 第70页 |