| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 人-机交互(Human-Computer Interaction, HCI) 装置 | 第8-13页 |
| 1.1.1 BCI 的起源与定义 | 第8页 |
| 1.1.2 BCI 系统的结构与原理 | 第8-9页 |
| 1.1.3 BCI 研究的国内外现状及分类 | 第9-12页 |
| 1.1.4 BCI 的应用范围及研究意义 | 第12-13页 |
| 1.2 本文的研究目的、重点及意义 | 第13-16页 |
| 1.2.1 本文的研究目的 | 第13-14页 |
| 1.2.2 本文的研究重点 | 第14-16页 |
| 1.2.3 本文的研究意义 | 第16页 |
| 1.3 本文的章节安排 | 第16-18页 |
| 第二章 想象动作诱发前额脑电与血氧信息的生理学基础 | 第18-27页 |
| 2.1 大脑皮层前额叶 | 第18-19页 |
| 2.2 想象动作诱发脑电信息的神经电生理学基础 | 第19-24页 |
| 2.2.1 EEG 的产生机理及其主要频率组分 | 第19-21页 |
| 2.2.2 ERD/ERS 的定义与基本特征 | 第21-23页 |
| 2.2.3 ERD/ERS 的频谱特点 | 第23-24页 |
| 2.3 想象动作诱发血氧信息的神经生理学/能量学基础 | 第24-27页 |
| 2.3.1 最佳波长的选取 | 第24-25页 |
| 2.3.2 源标距的确定 | 第25-27页 |
| 第三章 前额脑电与血氧信息同步采集装置设计 | 第27-40页 |
| 3.1 脑电与血氧信息同步采集装置硬件部分 | 第27-35页 |
| 3.1.1 脑电信息采集部分 | 第28-31页 |
| 3.1.2 血氧信息采集部分 | 第31-35页 |
| 3.2 脑电与血氧信息同步采集软件部分 | 第35-40页 |
| 3.2.1 LabVIEW 图像化编程软件 | 第35-36页 |
| 3.2.2 同步采集实验采集程序框图及设置 | 第36-40页 |
| 第四章 脑电与血氧信息同步采集实验 | 第40-44页 |
| 4.1 实验环境 | 第40-41页 |
| 4.2 受试者情况 | 第41页 |
| 4.3 实验安排 | 第41页 |
| 4.4 实验方案 | 第41-44页 |
| 第五章 脑电与血氧信息分析及特征提取方法 | 第44-60页 |
| 5.1 数据预处理 | 第44-45页 |
| 5.2 脑电信号的时频分析 | 第45-50页 |
| 5.2.1 脑电信号时频分析的理论基础 | 第45-46页 |
| 5.2.2 短时傅立叶时频分析 | 第46页 |
| 5.2.3 脑电信号短时傅立叶时频分析结果 | 第46-50页 |
| 5.3 脑电信号的特征提取 | 第50-54页 |
| 5.3.1 Fisher 可分性分析法 | 第50-51页 |
| 5.3.2 脑电信号的Fisher 分析及特征提取 | 第51-54页 |
| 5.4 血氧信号分析-时、频域结合分析及特征提取 | 第54-60页 |
| 5.4.1 血氧信号的频段特性及时域分析 | 第54-56页 |
| 5.4.2 血氧信号不同模式显著性差异分析 | 第56-59页 |
| 5.4.3 血氧信号的特征提取 | 第59-60页 |
| 第六章 基于支持向量机的脑电与血氧特征融合与识别 | 第60-73页 |
| 6.1 基于统计学习理论的支持向量机 | 第60-65页 |
| 6.1.1 统计学习理论 | 第60-61页 |
| 6.1.2 SVM 的基本原理 | 第61-64页 |
| 6.1.3 K-折交叉验证 | 第64-65页 |
| 6.2 数据融合策略 | 第65-68页 |
| 6.2.1 数据融合策略的概念及优势 | 第65-66页 |
| 6.2.2 数据融合策略的分类及对比 | 第66-68页 |
| 6.3 单特征及融合特征识别结果及分析 | 第68-73页 |
| 第七章 总结与展望 | 第73-76页 |
| 7.1 本文工作的总结 | 第73-74页 |
| 7.2 未来工作的展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 发表论文及科研情况说明 | 第80-81页 |
| 致谢 | 第81页 |
