| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·BCI研究背景 | 第8-9页 |
| ·BCI研究意义 | 第9-11页 |
| ·BCI在医学方面的应用 | 第9-10页 |
| ·BCI在其他方面的应用 | 第10-11页 |
| ·论文的研究目的和研究内容 | 第11-12页 |
| 第2章 BCI技术概述 | 第12-27页 |
| ·BCI系统的基本结构 | 第12-13页 |
| ·BCI分类 | 第13-14页 |
| ·BCI系统中的主要技术 | 第14-20页 |
| ·EEG信号的采集及存储 | 第14-15页 |
| ·EEG的特点 | 第15-16页 |
| ·BCI研究中采用EEG信号的类型 | 第16-18页 |
| ·想象运动及ERD/ERS | 第18-19页 |
| ·训练 | 第19页 |
| ·反馈 | 第19-20页 |
| ·BCI系统中的信号处理算法 | 第20-24页 |
| ·BCI常用的特征提取算法 | 第20-21页 |
| ·BCI常用的分类方法 | 第21-24页 |
| ·BCI的研究进展 | 第24-27页 |
| 第3章 结合空间滤波和参数模型的特征提取算法 | 第27-46页 |
| ·结合空间滤波和自适应自回归模型的特征提取算法 | 第28-37页 |
| ·采用本算法的依据 | 第28页 |
| ·算法的详细介绍 | 第28-37页 |
| ·结合空间滤波和AR模型的特征提取算法 | 第37-46页 |
| ·采用本算法的背景 | 第37页 |
| ·算法的详细介绍 | 第37-46页 |
| 第4章 基于高阶统计量的脑电特征提取方法 | 第46-52页 |
| ·高阶统计量及双谱估计 | 第46-47页 |
| ·采用本算法的背景 | 第47-49页 |
| ·算法的详细介绍 | 第49-52页 |
| ·实验数据来源 | 第49-50页 |
| ·数据预处理及特征提取和分类 | 第50页 |
| ·分类结果及讨论 | 第50-52页 |
| 第5章 共空间模式(CSP)算法在多任务条件下的扩展 | 第52-61页 |
| ·共空间模式(CSP)算法 | 第53页 |
| ·方法的介绍 | 第53-54页 |
| ·Jacobi算法 | 第54-57页 |
| ·计算机仿真实验 | 第57-58页 |
| ·多类脑电数据的分类 | 第58-61页 |
| 第6章 总结和展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间的研究成果 | 第69页 |