| 摘要 | 第5-7页 |
| ABSTRACT（英文摘要） | 第7-9页 |
| 主要符号对照表 | 第14-15页 |
| 第一章 绪论 | 第15-31页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 EEG信号特点与分析技术 | 第16-21页 |
| 1.2.1 EEG概述 | 第16-19页 |
| 1.2.2 EEG信号特点 | 第19页 |
| 1.2.3 EEG分析方法 | 第19-21页 |
| 1.3 BCI技术研究现状与进展 | 第21-28页 |
| 1.3.1 BCI概述 | 第21-22页 |
| 1.3.2 BCI类型与特点 | 第22-23页 |
| 1.3.3 BCI研究现状 | 第23-26页 |
| 1.3.3.1 BCI算法研究现状 | 第23-24页 |
| 1.3.3.2 系统应用研究现状 | 第24-26页 |
| 1.3.4 BCI面临的挑战与困难 | 第26-28页 |
| 1.4 本文研究内容及组织结构 | 第28-31页 |
| 1.4.1 本文研究目的 | 第28页 |
| 1.4.2 本文研究内容 | 第28-29页 |
| 1.4.3 论文组织结构 | 第29-31页 |
| 第二章 脑机接口中神经生理学机理 | 第31-40页 |
| 2.1 引言 | 第31页 |
| 2.2 诱发电位 | 第31-32页 |
| 2.3 瞬态/稳态视觉诱发电位(VEP,SSVEP) | 第32-33页 |
| 2.4 P300诱发电位 | 第33页 |
| 2.5 慢皮层电位（Slow Cortical Potential，SCP） | 第33-34页 |
| 2.6 事件相关去同步/同步(ERD/ERS) | 第34-35页 |
| 2.7 任务相关持续去同步/同步(TRSD/TRSS) | 第35-38页 |
| 2.8 各类型特性比较 | 第38页 |
| 2.9 本章小结 | 第38-40页 |
| 第三章 EEG特征提取算法研究 | 第40-74页 |
| 3.1 单次EEG时序空间特征提取算法研究 | 第40-57页 |
| 3.1.1 算法框架与流程 | 第40页 |
| 3.1.2 时序独立分量分析 | 第40-45页 |
| 3.1.3 cICA去噪处理 | 第45-47页 |
| 3.1.4 时空特征提取方法 | 第47-50页 |
| 3.1.4.1 IRA时序特征提取 | 第47页 |
| 3.1.4.2 CSP空间特征提取 | 第47-50页 |
| 3.1.5 基于互信息的特征选择方法 | 第50-51页 |
| 3.1.6 实验数据分析与结果 | 第51-57页 |
| 3.2 增量公共空间模式算法 | 第57-63页 |
| 3.2.1 Rayleigh系数 | 第58-60页 |
| 3.2.2 迭代过程 | 第60-62页 |
| 3.2.3 次分量提取 | 第62页 |
| 3.2.4 实验结果 | 第62-63页 |
| 3.3 公共空间频率模式算法研究 | 第63-72页 |
| 3.3.1 背景介绍 | 第64页 |
| 3.3.2 小波时频分析方法 | 第64-65页 |
| 3.3.3 目标函数与算法过程 | 第65-67页 |
| 3.3.4 公共空间频率模式意义与解释 | 第67-68页 |
| 3.3.5 特征投影与分类 | 第68页 |
| 3.3.6 实验分析结果与讨论 | 第68-72页 |
| 3.4 本章小结 | 第72-74页 |
| 第四章 基于张量分析的EEG特征提取 | 第74-106页 |
| 4.1 引言 | 第74页 |
| 4.2 张量概述 | 第74-79页 |
| 4.2.1 定义与运算 | 第75-77页 |
| 4.2.2 张量分解 | 第77-79页 |
| 4.2.2.1 CANDECOMP-PARAFAC分解 | 第77-78页 |
| 4.2.2.2 TUCKER分解 | 第78-79页 |
| 4.3 非负张量稀疏分解 | 第79-86页 |
| 4.3.1 非负矩阵分解 | 第80-81页 |
| 4.3.2 非负张量PARAFAC分解 | 第81-83页 |
| 4.3.2.1 基于均方误差的非负PARAFAC分解 | 第82页 |
| 4.3.2.2 基于K-L散度最小化的非负PARAFAC分解 | 第82-83页 |
| 4.3.3 稀疏性 | 第83页 |
| 4.3.4 非负张量稀疏分解 | 第83-84页 |
| 4.3.5 特征投影 | 第84-86页 |
| 4.4 公共张量辨别分析 | 第86-94页 |
| 4.4.1 张量代数 | 第86-88页 |
| 4.4.2 目标函数 | 第88-91页 |
| 4.4.3 迭代算法 | 第91-93页 |
| 4.4.4 特征投影 | 第93-94页 |
| 4.5 BCI中张量特征提取 | 第94-99页 |
| 4.5.1 张量特征提取框架 | 第94-95页 |
| 4.5.2 EEG信号张量表示 | 第95-98页 |
| 4.5.3 特征基优化与特征投影 | 第98-99页 |
| 4.5.3.1 非负张量稀疏分解的特征提取方法 | 第98页 |
| 4.5.3.2 公共张量辨别分析的特征提取方法 | 第98-99页 |
| 4.5.4 支持向量机分类 | 第99页 |
| 4.6 数据分析结果与讨论 | 第99-103页 |
| 4.7 本章小结 | 第103-106页 |
| 第五章 在线BCI系统设计与实现 | 第106-132页 |
| 5.1 引言 | 第106页 |
| 5.2 BCI系统平台 | 第106-115页 |
| 5.2.1 EEG采集设备 | 第107页 |
| 5.2.2 系统总体框架 | 第107-108页 |
| 5.2.3 实验设置 | 第108-109页 |
| 5.2.4 工作模式 | 第109-111页 |
| 5.2.5 同步BCI与异步BCI | 第111页 |
| 5.2.6 系统创新策略 | 第111-113页 |
| 5.2.7 系统功能与参数设置 | 第113-115页 |
| 5.3 基于同步BCI的打老鼠游戏 | 第115-121页 |
| 5.3.1 快速盲源分离在线去噪声 | 第116-117页 |
| 5.3.2 特征提取与分类方法 | 第117-118页 |
| 5.3.3 在线游戏过程 | 第118-119页 |
| 5.3.4 在线性能分析与讨论 | 第119-121页 |
| 5.4 三维虚拟现实中“脑驱车”系统 | 第121-131页 |
| 5.4.1 异步BCI工作模式 | 第123-124页 |
| 5.4.2 系统场景 | 第124-125页 |
| 5.4.3 控制量与控制方法 | 第125-127页 |
| 5.4.4 增量控制策略 | 第127-128页 |
| 5.4.4.1 方向盘角度控制 | 第127-128页 |
| 5.4.4.2 小车速度控制 | 第128页 |
| 5.4.5 虚拟现实中控制策略 | 第128页 |
| 5.4.6 在线实验结果与性能分析 | 第128-131页 |
| 5.5 小结 | 第131-132页 |
| 第六章 总结与展望 | 第132-135页 |
| 6.1 本文主要工作及创新点 | 第132-133页 |
| 6.2 工作展望 | 第133-135页 |
| 参考文献 | 第135-146页 |
| 致谢 | 第146-147页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第147-148页 |
