| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外脑-控技术研究现状 | 第13-17页 |
| 1.2.1 国外脑-控技术研究现状 | 第13-16页 |
| 1.2.2 国内脑-控技术研究现状 | 第16-17页 |
| 1.3 脑-控移动机器人的关键技术 | 第17-21页 |
| 1.3.1 脑-机接口技术 | 第17-20页 |
| 1.3.2 运动控制技术 | 第20页 |
| 1.3.3 定位与导航技术 | 第20-21页 |
| 1.4 本文研究内容及论文结构 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 移动机器人平台介绍 | 第23-31页 |
| 2.1 系统设备的选型 | 第23-26页 |
| 2.2 系统框架的构建 | 第26-27页 |
| 2.2.1 硬件框架设计 | 第26-27页 |
| 2.2.2 软件框架设计 | 第27页 |
| 2.3 移动机器人运动学模型 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 脑-机接口系统的设计 | 第31-58页 |
| 3.1 脑-机接口介绍 | 第31-34页 |
| 3.1.1 脑-机接口的概念及原理 | 第31-32页 |
| 3.1.2 脑电信号的产生机理 | 第32-34页 |
| 3.2 基于SSVEP脑-机接口的设计 | 第34-50页 |
| 3.2.1 视觉诱发界面的设置 | 第34-35页 |
| 3.2.2 SSVEP信号的采集 | 第35-38页 |
| 3.2.3 信号分析与分类 | 第38-46页 |
| 3.2.4 离线测试实验 | 第46-50页 |
| 3.3 基于MI脑-机接口的设计 | 第50-57页 |
| 3.3.1 脑电信号采集 | 第50-51页 |
| 3.3.2 脑电信号的特征提取 | 第51-52页 |
| 3.3.3 脑电信号的特征分类 | 第52-53页 |
| 3.3.4 离线实验分析 | 第53-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 移动机器人定位与地图构建 | 第58-73页 |
| 4.1 引言 | 第58页 |
| 4.2 基于粒子滤波的视觉定位方法 | 第58-65页 |
| 4.2.1 SLAM系统模型 | 第58-60页 |
| 4.2.2 环境特征提取与应用 | 第60-62页 |
| 4.2.3 粒子滤波定位算法 | 第62-65页 |
| 4.3 Sick传感器构建2D环境地图 | 第65-66页 |
| 4.4 方法验证 | 第66-72页 |
| 4.4.1 实验仿真 | 第66-70页 |
| 4.4.2 实验验证 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 基于脑电遥操作的移动机器人随机导航控制 | 第73-100页 |
| 5.1 引言 | 第73-74页 |
| 5.2 基于PPF的导航控制 | 第74-79页 |
| 5.2.1 生成随机势场 | 第74-77页 |
| 5.2.2 轨迹规划与跟踪控制 | 第77-78页 |
| 5.2.3 算法证明 | 第78-79页 |
| 5.3 基于SSVEP-BCI的随机导航控制 | 第79-84页 |
| 5.3.1 SSVEP脑电命令与PPF的转换方法 | 第79-81页 |
| 5.3.2 脑电信号强弱与势场变化的关系 | 第81页 |
| 5.3.3 系统框架 | 第81-83页 |
| 5.3.4 系统的交互过程 | 第83-84页 |
| 5.4 基于MI-BCI的随机导航控制 | 第84-86页 |
| 5.4.1 MI脑电命令与PPF的转换 | 第84-85页 |
| 5.4.2 MI脑电信号与势场变化的关系 | 第85页 |
| 5.4.3 系统的实现 | 第85-86页 |
| 5.5 实验验证 | 第86-99页 |
| 5.5.1 基于SSVEP-BCI随机导航控制实验分析 | 第87-95页 |
| 5.5.2 基于MI-BCI随机导航控制实验分析 | 第95-99页 |
| 5.5.3 实验小结 | 第99页 |
| 5.6 本章小结 | 第99-100页 |
| 总结与展望 | 第100-102页 |
| 参考文献 | 第102-111页 |
| 攻读硕士学位期间取得的研究成果 | 第111-112页 |
| 致谢 | 第112-113页 |
| 附件 | 第113页 |