| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 主要缩略词表 | 第16-17页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-34页 |
| 1.1 研究背景与意义 | 第18-21页 |
| 1.1.1 脑机接口的起源与发展 | 第18-19页 |
| 1.1.2 脑机接口信号的测量 | 第19页 |
| 1.1.3 脑机接口研究的主要分支 | 第19-20页 |
| 1.1.4 ERP脑机接口 | 第20-21页 |
| 1.1.5 本文研究的目的与意义 | 第21页 |
| 1.2 国内外相关工作研究进展 | 第21-32页 |
| 1.2.1 关于ERP脑机接口性能改善问题的研究 | 第21-30页 |
| 1.2.2 关于ERP脑机接口周期性干扰问题的研究 | 第30-31页 |
| 1.2.3 关于脑机接口异步控制问题的研究 | 第31-32页 |
| 1.3 本文主要研究思路与主要研究工作 | 第32-34页 |
| 2 ERP脑机接口研究的基本理论与方法 | 第34-50页 |
| 2.1 引言 | 第34页 |
| 2.2 神经生理与脑认知基础 | 第34-36页 |
| 2.2.1 头皮脑电信号 | 第34-35页 |
| 2.2.2 事件相关电位 | 第35-36页 |
| 2.3 ERP脑机接口 | 第36-41页 |
| 2.3.1 Oddball范式 | 第36-37页 |
| 2.3.2 经典P300拼写器范式 | 第37-39页 |
| 2.3.3 ERP脑机接口的实现原理 | 第39页 |
| 2.3.4 经典P300拼写器范式存在的问题 | 第39-40页 |
| 2.3.5 相关术语及其定义 | 第40-41页 |
| 2.4 基本的信号处理与数据分析方法 | 第41-46页 |
| 2.4.1 噪声与干扰 | 第41页 |
| 2.4.2 叠加平均法 | 第41-42页 |
| 2.4.3 分类识别 | 第42-44页 |
| 2.4.4 性能评估 | 第44-46页 |
| 2.5 实验设施 | 第46-49页 |
| 2.5.1 脑电信号采集设备 | 第47页 |
| 2.5.2 BCI2000实验平台 | 第47-49页 |
| 2.6 开放数据集 | 第49页 |
| 2.7 本章小结 | 第49-50页 |
| 3 多变几何图形刺激下的高性能ERP脑机接口 | 第50-83页 |
| 3.1 引言 | 第50-51页 |
| 3.2 一种基于多变几何图形刺激的脑机接口范式 | 第51-53页 |
| 3.2.1 基本描述 | 第51-52页 |
| 3.2.2 刺激编码 | 第52-53页 |
| 3.3 与经典范式的对比实验 | 第53-57页 |
| 3.3.1 被试 | 第53-54页 |
| 3.3.2 离线实验 | 第54页 |
| 3.3.3 在线实验 | 第54-55页 |
| 3.3.4 数据采集与处理 | 第55-57页 |
| 3.4 对脑机接口性能的改善 | 第57-64页 |
| 3.4.1 离线性能分析 | 第57-60页 |
| 3.4.2 在线性能分析 | 第60-63页 |
| 3.4.3 讨论 | 第63-64页 |
| 3.5 对ERP成分的影响 | 第64-79页 |
| 3.5.1 ERP波形分析 | 第64-69页 |
| 3.5.2 各ERP成分的头皮分布 | 第69页 |
| 3.5.3 统计分析结果 | 第69-77页 |
| 3.5.4 讨论 | 第77-79页 |
| 3.6 对缩减电极数量的效用 | 第79-82页 |
| 3.6.1 缩减电极数量对脑机接口研究的意义 | 第79页 |
| 3.6.2 少电极下的脑机接口性能分析 | 第79-82页 |
| 3.7 本章小结 | 第82-83页 |
| 4 ERP脑机接口中的周期性干扰与SOA扰动线谱研究 | 第83-118页 |
| 4.1 引言 | 第83-84页 |
| 4.2 周期性干扰理论模型的建立与分析 | 第84-92页 |
| 4.2.1 模型假设条件 | 第84页 |
| 4.2.2 ERP分离模型的建立 | 第84-88页 |
| 4.2.3 模型的求解 | 第88-92页 |
| 4.3 对基于理论模型的干扰抑制方法的实验验证 | 第92-99页 |
| 4.3.1 实验数据描述 | 第92页 |
| 4.3.2 信号处理与分析方法 | 第92页 |
| 4.3.3 数据处理结果 | 第92-98页 |
| 4.3.4 讨论 | 第98-99页 |
| 4.4 基于准周期波动的异步控制研究 | 第99-108页 |
| 4.4.1 检测方法 | 第99-102页 |
| 4.4.2 模拟异步控制实验 | 第102-103页 |
| 4.4.3 数据分析结果 | 第103-106页 |
| 4.4.4 讨论 | 第106-108页 |
| 4.5 ERP脑机接口中的SOA扰动线谱 | 第108-117页 |
| 4.5.1 SOA扰动线谱理论分析 | 第108-109页 |
| 4.5.2 仿真信号分析 | 第109-111页 |
| 4.5.3 实测信号分析 | 第111-116页 |
| 4.5.4 讨论 | 第116-117页 |
| 4.6 本章小结 | 第117-118页 |
| 5 ERP脑机接口的在线分类问题研究 | 第118-141页 |
| 5.1 引言 | 第118页 |
| 5.2 基于再生核希尔伯特空间投影算法的在线分类器 | 第118-127页 |
| 5.2.1 再生核希尔伯特空间下的分类器描述 | 第118-120页 |
| 5.2.2 基于集合理论估计的分类器在线学习 | 第120-127页 |
| 5.2.3 核函数稀疏化 | 第127页 |
| 5.3 APSM-LM算法 | 第127-131页 |
| 5.3.1 APSM-LM算法的提出 | 第127-128页 |
| 5.3.2 APSM-LM算法推导过程 | 第128-131页 |
| 5.3.3 APSM-LM算法的优势 | 第131页 |
| 5.4 实验数据分析 | 第131-140页 |
| 5.4.1 实验数据与研究目标 | 第131页 |
| 5.4.2 研究方法 | 第131-132页 |
| 5.4.3 算法处理结果 | 第132-135页 |
| 5.4.4 讨论 | 第135-140页 |
| 5.5 本章小结 | 第140-141页 |
| 6 结论与展望 | 第141-146页 |
| 6.1 结论 | 第141-144页 |
| 6.2 创新点 | 第144页 |
| 6.3 展望 | 第144-146页 |
| 参考文献 | 第146-154页 |
| 攻读博士学位期间科研项目及科研成果 | 第154-155页 |
| 致谢 | 第155-156页 |
| 作者简介 | 第156页 |
