| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 脑电控制系统的研究现状 | 第14-16页 |
| 1.2.2 眼动控制系统的研究现状 | 第16-18页 |
| 1.2.3 无人平台遥控的研究现状 | 第18页 |
| 1.3 本文研究目标及内容 | 第18-20页 |
| 1.3.1 本文研究目标 | 第19页 |
| 1.3.2 本文研究内容 | 第19-20页 |
| 1.4 论文的结构安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 脑电与眼动及无人平台概述 | 第22-33页 |
| 2.1 脑电信号及相关处理理论的基础概念 | 第22-25页 |
| 2.1.1 TGAM开发套件概述 | 第22-23页 |
| 2.1.2 脑电波类型 | 第23-24页 |
| 2.1.3 TGAM识别处理的一般步骤 | 第24-25页 |
| 2.1.4 TGAM模块的ASIC芯片技术特性 | 第25页 |
| 2.2 esense参数介绍 | 第25-28页 |
| 2.2.1 质量检测(Poor_signalquality) | 第26页 |
| 2.2.2 专注度与放松度 | 第26-27页 |
| 2.2.3 脑电波原始数据(Raw_wave value) | 第27页 |
| 2.2.4 EEG信号(EEG_POWER) | 第27-28页 |
| 2.3 眼动信息处理的相关概念 | 第28-31页 |
| 2.3.1 SMI眼动仪硬件部分 | 第28-29页 |
| 2.3.2 SMI眼动仪采集软件与分析软件 | 第29-31页 |
| 2.4 Ardiuno智能小车与开发平台概述 | 第31-32页 |
| 2.3.1 Arduino开发硬件 | 第31-32页 |
| 2.3.2 Arduino的软件开发环境 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于脑电的无人平台运动控制系统设计实现 | 第33-46页 |
| 3.1 脑电数据的采集实现 | 第33-34页 |
| 3.2 基于TGAM模块的脑电数据预处理研究 | 第34-37页 |
| 3.2.1 快速傅里叶变换(FFT) | 第34-35页 |
| 3.2.2 基于esense算法的数据包解析 | 第35-37页 |
| 3.3 蓝牙通信处理 | 第37-40页 |
| 3.3.1 蓝牙通信概况 | 第38-39页 |
| 3.3.2 蓝牙模块设置 | 第39-40页 |
| 3.4 基于脑电信息的Arduino运动控制实现 | 第40-45页 |
| 3.4.1 L293D型电机驱动模块 | 第41-42页 |
| 3.4.2 控制逻辑 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于眼动的无人平台运动控制系统设计实现 | 第46-54页 |
| 4.1 眼动信息采集提取实现 | 第46-49页 |
| 4.2 眼动信息意图判断实现 | 第49-51页 |
| 4.3 蓝牙通讯 | 第51-52页 |
| 4.4 基于眼动信息下的Arduino运动控制实现 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 一人多机控制原型系统的设计与实现 | 第54-70页 |
| 5.1 多任务处理模式对比 | 第54-59页 |
| 5.1.1 串行处理的有限性 | 第55-56页 |
| 5.1.2 资源限制假设下的并行处理 | 第56-59页 |
| 5.2 基于眼动、脑电的双任务处理实验 | 第59-69页 |
| 5.2.1 实验任务概述 | 第59-61页 |
| 5.2.2 双任务处理实验一 | 第61-64页 |
| 5.2.3 双任务处理实验二 | 第64-66页 |
| 5.2.4 双任务处理实验三 | 第66-67页 |
| 5.2.5 双任务处理实验四 | 第67-68页 |
| 5.2.6 实验结果分析总结 | 第68-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文主要工作及成果 | 第70页 |
| 6.2 本文的不足及未来的展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-80页 |
