非结构环境约束下的移动机器人脑电控制方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 引言 | 第13-15页 |
| 1.2 脑机接口的研究背景和发展现状 | 第15-16页 |
| 1.3 脑控移动机器人关键技术 | 第16-20页 |
| 1.3.1 脑机接口技术 | 第16-18页 |
| 1.3.2 移动机器人控制技术 | 第18-20页 |
| 1.4 本文的研究内容以及结构安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 基于SSVEP的脑机接口 | 第22-31页 |
| 2.1 SSVEP型脑机接口硬件平台 | 第22-23页 |
| 2.2 视觉诱发界面 | 第23页 |
| 2.3 脑电信号处理 | 第23-28页 |
| 2.3.1 脑电信号的获取和预处理 | 第24页 |
| 2.3.2 多导同步指数(MSI) | 第24-26页 |
| 2.3.3 功率谱密度(PSD) | 第26-27页 |
| 2.3.4 典型相关分析(CCA) | 第27-28页 |
| 2.4 结果分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于MI的脑机接口 | 第31-40页 |
| 3.1 MI型脑机接口硬件平台 | 第31-32页 |
| 3.2 运动感觉 | 第32页 |
| 3.3 脑电信号处理 | 第32-35页 |
| 3.3.1 预处理 | 第32-33页 |
| 3.3.2 时域分析：共同空间模式(CSP) | 第33-34页 |
| 3.3.3 频域分析：快速傅里叶变换(FFT) | 第34-35页 |
| 3.4 分类算法 | 第35-38页 |
| 3.4.1 Fisher分类法 | 第35-37页 |
| 3.4.2 SVM分类法 | 第37-38页 |
| 3.4.3 深度学习分类法 | 第38页 |
| 3.5 结果分析 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 脑控移动机器人遥操作导航系统 | 第40-68页 |
| 4.1 系统简述 | 第40-42页 |
| 4.2 脑-机器人接口系统 | 第42-45页 |
| 4.2.1 脑-机器人接口系统描述 | 第42-43页 |
| 4.2.2 脑-机器人接口系统用户界面 | 第43-44页 |
| 4.2.3 脑电信号的获取 | 第44页 |
| 4.2.4 MSI分类算法 | 第44-45页 |
| 4.2.5 控制策略 | 第45页 |
| 4.3 门廊环境的特征分析 | 第45-47页 |
| 4.3.1 消失点 | 第45-46页 |
| 4.3.2 门牌识别 | 第46-47页 |
| 4.4 门廊环境下的SLAM | 第47-51页 |
| 4.4.1 预测和更新 | 第48-49页 |
| 4.4.2 基于线角特征的SLAM | 第49-51页 |
| 4.5 基于脑电信号的人工势场法 | 第51-53页 |
| 4.6 导航控制技术 | 第53-55页 |
| 4.6.1 移动机器人的运动学模型 | 第53-54页 |
| 4.6.2 基于李雅普诺夫稳定性的控制器设计 | 第54-55页 |
| 4.7 实验论证 | 第55-61页 |
| 4.7.1 实验设置 | 第55-56页 |
| 4.7.2 实验结果分析 | 第56-60页 |
| 4.7.3 系统性能分析 | 第60-61页 |
| 4.8 系统软硬件配置 | 第61-67页 |
| 4.8.1 硬件配置 | 第61-65页 |
| 4.8.2 软件配置 | 第65-67页 |
| 4.9 本章小结 | 第67-68页 |
| 第五章 脑控移动双臂遥操作协调系统 | 第68-88页 |
| 5.1 系统简述 | 第68-69页 |
| 5.2 脑-机械臂接口系统 | 第69-72页 |
| 5.2.1 脑-机械臂接口系统描述 | 第69页 |
| 5.2.2 事件相关同步/去同步 | 第69-70页 |
| 5.2.3 脑电信号的获取 | 第70-71页 |
| 5.2.4 CSP算法 | 第71页 |
| 5.2.5 SVM算法 | 第71-72页 |
| 5.3 移动双臂机器人一般式 | 第72-77页 |
| 5.3.1 移动双臂机器人运动学约束 | 第73-75页 |
| 5.3.2 移动双臂机器人动力学约束 | 第75-76页 |
| 5.3.3 协调冗余移动双臂机器人的多重优化 | 第76-77页 |
| 5.4 原对偶神经网络(PDNN)设计 | 第77-79页 |
| 5.5 实验论证 | 第79-84页 |
| 5.5.1 实验设置 | 第79-80页 |
| 5.5.2 实验结果分析 | 第80-84页 |
| 5.5.3 系统性能分析 | 第84页 |
| 5.6 系统软硬件配置 | 第84-87页 |
| 5.6.1 硬件配置 | 第84-86页 |
| 5.6.2 软件配置 | 第86-87页 |
| 5.7 本章小结 | 第87-88页 |
| 第六章 脑控智能轮椅遥操作导航定位系统 | 第88-99页 |
| 6.1 系统简述 | 第88-89页 |
| 6.2 脑机接口系统 | 第89页 |
| 6.3 典型相关分析(CCA) | 第89-90页 |
| 6.4 基于粒子滤波的实时定位绘图(SLAM) | 第90-94页 |
| 6.4.1 智能轮椅系统模型 | 第90-91页 |
| 6.4.2 智能轮椅观测模型 | 第91页 |
| 6.4.3 粒子滤波定位 | 第91-93页 |
| 6.4.4 基于激光传感器的道路边缘检测 | 第93-94页 |
| 6.5 实验论证 | 第94-96页 |
| 6.5.1 实验设置 | 第94页 |
| 6.5.2 实验结果分析 | 第94-96页 |
| 6.6 系统软硬件配置 | 第96-98页 |
| 6.6.1 硬件配置 | 第96-97页 |
| 6.6.2 软件配置 | 第97-98页 |
| 6.7 本章小结 | 第98-99页 |
| 总结与展望 | 第99-106页 |
| 1 论文主要工作总结 | 第99-102页 |
| 1.1 纵向总结 | 第99-100页 |
| 1.2 横向总结 | 第100-102页 |
| 2 论文工作展望 | 第102-106页 |
| 2.1 脑电研究方面 | 第102-104页 |
| 2.2 智能设备控制方面 | 第104-106页 |
| 参考文献 | 第106-113页 |
| 附录 | 第113-117页 |
| 1 环境监测系统 | 第113-114页 |
| 2 车牌识别系统 | 第114-115页 |
| 3 特定人脸识别系统 | 第115页 |
| 4 深度学习系统 | 第115-116页 |
| 5 贝叶斯路径规划 | 第116-117页 |
| 攻读硕士学位期间取得的研究成果 | 第117-119页 |
| 致谢 | 第119-120页 |
| 附件 | 第120页 |
