| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 脑机接口与国内外现状 | 第10-14页 |
| 1.3 基于模式识别的BCI控制主要问题 | 第14-16页 |
| 1.3.1 去噪预处理 | 第14-15页 |
| 1.3.2 特征提取 | 第15页 |
| 1.3.3 信号分类 | 第15-16页 |
| 1.4 本文研究主要内容 | 第16-17页 |
| 第2章 脑电信号和眼电信号的研究基础 | 第17-22页 |
| 2.1 人体脑电的生理学基础 | 第17-20页 |
| 2.1.1 人体脑电信号产生机理 | 第17-18页 |
| 2.1.2 人体脑电信号的分类 | 第18-19页 |
| 2.1.3 脑电信号的标准电极导联方法 | 第19-20页 |
| 2.2 人体眼电信号的生理学基础 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于运动想象的脑机接口技术 | 第22-33页 |
| 3.1 脑机接口技术 | 第22-23页 |
| 3.2 信号采集 | 第23-25页 |
| 3.3 实验方案设计 | 第25-27页 |
| 3.4 信号预处理 | 第27-32页 |
| 3.4.1 小波变换的理论基础 | 第27-29页 |
| 3.4.2 小波阈值去噪 | 第29-30页 |
| 3.4.3 去噪仿真结果 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 用于动作想象分类过程的眼电和脑电特征提取研究 | 第33-50页 |
| 4.1 采用时频分析方法的脑电信号特征研究 | 第33-44页 |
| 4.1.1 短时傅里叶变换分析 | 第33-35页 |
| 4.1.2 基于希尔伯特-黄变换的脑电信号特征提取 | 第35-44页 |
| 4.2 采用阈值算法的眼电信号特征提取研究 | 第44-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 结合脑电和眼电信号的识别结果 | 第50-58页 |
| 5.1 脑电信号的模式分类 | 第50-53页 |
| 5.1.1 人工神经网络 | 第50-51页 |
| 5.1.2 线性判别法 | 第51-52页 |
| 5.1.3 支持向量机 | 第52-53页 |
| 5.2 分类算法性能比较 | 第53-55页 |
| 5.3 脑机接口性能的改进 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 在学研究成果 | 第64-65页 |
| 致谢 | 第65页 |