| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究意义 | 第10-11页 |
| 1.2.1 理论意义 | 第10页 |
| 1.2.2 实际应用价值 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 本文的主要研究内容及组织结构安排 | 第13-15页 |
| 2 脑电信号的特点与采集 | 第15-29页 |
| 2.1 脑电信号特点 | 第15-17页 |
| 2.1.1 脑电信号的产生机理 | 第15页 |
| 2.1.2 脑电信号的分类 | 第15-16页 |
| 2.1.3 脑电信号的特点 | 第16-17页 |
| 2.2 脑电信号的采集 | 第17-27页 |
| 2.2.1 脑电信号采集系统简介 | 第17-25页 |
| 2.2.2 采集实验设计 | 第25-26页 |
| 2.2.3 脑电信号数据的存储 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 3 脑电信号的预处理 | 第29-37页 |
| 3.1 数字滤波器的优点 | 第29页 |
| 3.2 数字滤波器的理论研究 | 第29-32页 |
| 3.2.1 数字滤波器分类及基本结构 | 第29-31页 |
| 3.2.2 IIR滤波器与FIR滤波器的对比 | 第31-32页 |
| 3.3 FIR数字滤波器的计算机辅助设计 | 第32-34页 |
| 3.3.1 FIR数字滤波器设计方法 | 第32页 |
| 3.3.2 Matlab中FIR数字滤波器的仿真 | 第32-34页 |
| 3.4 信号预处理结果与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 脑电信号的特征提取与模式识别 | 第37-57页 |
| 4.1 脑电信号的特征提取 | 第37-46页 |
| 4.1.1 特征提取背景 | 第37页 |
| 4.1.2 基于非线性动力学分析方法的脑电信号特征提取 | 第37-44页 |
| 4.1.3 基于小波包能量熵的脑电信号特征提取 | 第44-46页 |
| 4.2 脑电信号的模式识别 | 第46-55页 |
| 4.2.1 基于PNN神经网络的模式识别 | 第46-48页 |
| 4.2.2 基于GRNN神经网络的模式识别 | 第48-50页 |
| 4.2.3 约束超限学习机的模式识别 | 第50-53页 |
| 4.2.4 实验方法及结果 | 第53-55页 |
| 4.2.5 实验结果分析 | 第55页 |
| 4.3 本章小结 | 第55-57页 |
| 5 基于多类运动想象脑机接口控制无人机的研究 | 第57-69页 |
| 5.1 脑机接口控制无人机总体方案设计 | 第57页 |
| 5.2 脑机接口控制无人机策略 | 第57-58页 |
| 5.3 脑机接口控制软件开发环境的构成与搭建 | 第58-59页 |
| 5.4 脑机接口控制软件的功能和性能 | 第59-61页 |
| 5.5 脑机接口控制软件的功能模块划分 | 第61-62页 |
| 5.6 脑机接口控制软件的架构设计 | 第62页 |
| 5.7 数据使用说明与存储 | 第62-64页 |
| 5.8 脑机接口控制无人机的系统实现 | 第64-68页 |
| 5.9 本章总结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 作者攻读学位期间发表学术论文清单 | 第77-79页 |
| 致谢 | 第79页 |