| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·脑-机接口概述 | 第13-15页 |
| ·脑-机接口的工作原理与系统组成 | 第13-14页 |
| ·脑-机接口类型 | 第14-15页 |
| ·脑-机接口的研究进展 | 第15-18页 |
| ·国内外研究现状 | 第15-17页 |
| ·存在的问题 | 第17-18页 |
| ·本文研究内容与论文结构 | 第18-20页 |
| 第2章 脑电信号、数据采集和实验方案 | 第20-33页 |
| ·实验系统框架 | 第20-21页 |
| ·脑电信号生理学基础 | 第21-27页 |
| ·大脑结构 | 第21-22页 |
| ·脑电产生方式 | 第22-24页 |
| ·脑电分类及节律特性 | 第24-25页 |
| ·运动想象与脑电信号的相关依据分析 | 第25-27页 |
| ·脑电信号采集 | 第27-28页 |
| ·脑电信号处理及模式分类和控制器 | 第28-30页 |
| ·交互界面设计 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 脑电信号的处理 | 第33-55页 |
| ·脑电信号的特点 | 第33-34页 |
| ·脑电信号的消噪预处理 | 第34-46页 |
| ·常用的脑电信号消噪算法 | 第34-35页 |
| ·基于双密度小波邻域相关阈值处理的脑电信号消噪算法 | 第35-39页 |
| ·消噪实验结果和分析 | 第39-46页 |
| ·脑电信号的特征提取 | 第46-54页 |
| ·脑电信号特征提取算法综述 | 第46页 |
| ·基于归一化AR模型谱估计的脑电特征提取算法 | 第46-50页 |
| ·基于Mu节律波能量熵的脑电特征提取算法 | 第50-53页 |
| ·特征值的处理 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 基于运动想象脑电信号的模式分类 | 第55-63页 |
| ·常用的脑电信号模式分类方法综述 | 第55-56页 |
| ·基于MAHALANOBIS距离的分类器 | 第56-57页 |
| ·支持向量机 | 第57-62页 |
| ·支持向量机基本原理 | 第57-61页 |
| ·分类器的训练及惩罚因子和核参数的确定 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 实验分析 | 第63-76页 |
| ·离线脑电信号分析 | 第63-72页 |
| ·离线分析数据采集实验 | 第63-64页 |
| ·运动想象脑电信号的消噪预处理 | 第64-65页 |
| ·闭眼动作的检测 | 第65-67页 |
| ·运动想象脑电信号的特征提取 | 第67-69页 |
| ·运动想象脑电信号的模式分类 | 第69-71页 |
| ·在线控制特征提取算法和分类器的选择 | 第71-72页 |
| ·在线控制实验 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| ·工作总结 | 第76-77页 |
| ·研究展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 附录 | 第85页 |