| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·脑机接口概述 | 第10-13页 |
| ·定义与组成 | 第10-11页 |
| ·研究背景与目的 | 第11-12页 |
| ·国内外研究概况 | 第12-13页 |
| ·脑机接口研究中存在的问题与发展趋势 | 第13-14页 |
| ·存在的问题 | 第13页 |
| ·发展趋势 | 第13-14页 |
| ·本文的主要内容和创新点 | 第14-15页 |
| 2 脑机接口中的相关技术 | 第15-21页 |
| ·脑电信号处理技术概述 | 第15页 |
| ·脑电信号的伪迹去除 | 第15-16页 |
| ·ERP信号的特征提取 | 第16-17页 |
| ·基于脑电Alpha波的脑机接口研究 | 第17-20页 |
| ·脑电Alpha波介绍 | 第17-18页 |
| ·基于脑电Alpha波的BCI系统 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于改进的盲源分离方法去除眼电伪迹 | 第21-38页 |
| ·盲源分离的基本原理 | 第21-22页 |
| ·常用的盲源分离算法 | 第22-25页 |
| ·小波阈值去噪 | 第25页 |
| ·改进的盲源分离算法 | 第25-31页 |
| ·ICA与小波结合 | 第26-27页 |
| ·CCA与小波结合 | 第27-28页 |
| ·SOBI与小波结合 | 第28-29页 |
| ·二次典型相关分析 | 第29-31页 |
| ·实验结果与分析 | 第31-37页 |
| ·数据采集 | 第31页 |
| ·仿真数据构成 | 第31-32页 |
| ·评价指标 | 第32-33页 |
| ·仿真数据评价 | 第33-36页 |
| ·真实数据验证 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于功率谱和小波分析的ERP信号特征提取 | 第38-48页 |
| ·引言 | 第38页 |
| ·实验方法 | 第38-40页 |
| ·实验过程 | 第38-39页 |
| ·数据描述 | 第39-40页 |
| ·数据预处理 | 第40-42页 |
| ·预处理算法 | 第40-41页 |
| ·波形分析 | 第41-42页 |
| ·特征提取 | 第42-45页 |
| ·特征提取算法 | 第42-44页 |
| ·特征分析与讨论 | 第44-45页 |
| ·统计分析 | 第45-47页 |
| ·方差分析 | 第45-46页 |
| ·方差分析的结果与讨论 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于脑电Alpha波的脑机接口在线系统 | 第48-64页 |
| ·引言 | 第48页 |
| ·脑电采集系统 | 第48-49页 |
| ·Neuroscan EEG/ERP系统与配套硬件 | 第48-49页 |
| ·Neuroscan EEG系统与BCI2000 | 第49页 |
| ·BCI2000平台 | 第49-51页 |
| ·公共模型 | 第49-50页 |
| ·模块介绍 | 第50-51页 |
| ·脑电Alpha波的离线分析 | 第51-57页 |
| ·离线采集实验 | 第51-52页 |
| ·信号处理 | 第52-55页 |
| ·结果分析 | 第55-57页 |
| ·基于脑电Alpha波的虚拟小灯实时控制系统 | 第57-63页 |
| ·系统介绍 | 第57页 |
| ·关键技术 | 第57-60页 |
| ·在线控制实验 | 第60-61页 |
| ·系统评价 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |