摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-24页 |
1.1 相关概念 | 第11-20页 |
1.1.1 脑电的神经解剖学和电生理学基础 | 第11-15页 |
1.1.2 视觉诱发电位和稳态视觉诱发电位 | 第15-17页 |
1.1.3 脑机接口 | 第17-18页 |
1.1.4 基于稳态视觉诱发电位的脑机接口 | 第18-20页 |
1.2 SSVEP-BCI现状和需要改进的方面 | 第20-22页 |
1.3 论文的结构和内容 | 第22-24页 |
第2章 视觉刺激方法研究及视觉刺激器设计 | 第24-48页 |
2.1 视觉基本特性 | 第24-26页 |
2.2 视觉刺激方法研究 | 第26-38页 |
2.2.1 SSVEP用于BCI的原理 | 第26-29页 |
2.2.2 视觉系统三大途径 | 第29-32页 |
2.2.3 SSVEP的成分 | 第32-33页 |
2.2.4 频率编码视觉刺激和相位编码视觉刺激 | 第33-38页 |
2.3 便携式视觉刺激器设计 | 第38-45页 |
2.3.1 设计要求和总体方案 | 第38-40页 |
2.3.2 硬件电路设计 | 第40-43页 |
2.3.3 软件设计 | 第43-45页 |
2.4 优化视觉刺激方法研究 | 第45-47页 |
本章小结 | 第47-48页 |
第3章 SSVEP的信号处理方法研究 | 第48-72页 |
3.1 引言 | 第48-51页 |
3.1.1 脑电信号的特征 | 第48-49页 |
3.1.2 SSVEP的信号处理流程 | 第49-51页 |
3.2 信号预处理方法研究 | 第51-55页 |
3.2.1 独立成分分析(independent component analysis,ICA) | 第52页 |
3.2.2 基于峰值消除(peak elimination)的伪迹去除法 | 第52-53页 |
3.2.3 利用人工神经网络的眨眼伪迹识别 | 第53页 |
3.2.4 基于FIR带通滤波(bandpass FIR filters)的去除法 | 第53-54页 |
3.2.5 方法比较 | 第54-55页 |
3.3 特征提取方法研究 | 第55-59页 |
3.3.1 时域分析法 | 第55-56页 |
3.3.2 频域分析法 | 第56-58页 |
3.3.3 时间-频率域分析法 | 第58-59页 |
3.3.4 方法比较 | 第59页 |
3.4 信号分类及转换方法研究 | 第59-64页 |
3.4.1 线性分类法 | 第60-62页 |
3.4.2 神经网络(neural network) | 第62页 |
3.4.3 非线性贝叶斯分类器(nonlinear bayesian classifiers) | 第62-63页 |
3.4.4 最近邻分类(nearest neighbor classifiers) | 第63-64页 |
3.4.5 分类器组合(combinations of classifiers) | 第64页 |
3.4.6 方法比较 | 第64页 |
3.5 一种频率视觉刺激的信号处理方法 | 第64-65页 |
3.6 相位视觉刺激的信号处理方法 | 第65-67页 |
3.7 一种优化视觉刺激的信号处理方法 | 第67-70页 |
本章小结 | 第70-72页 |
第4章 人的性格行为特征在BCI中的应用 | 第72-79页 |
4.1 性格行为特征和脑电特征的关系 | 第72-74页 |
4.2 性格行为特征的测试方法——UK心理测验 | 第74-75页 |
4.3 性格行为特征在SSVEP相位校准中的应用 | 第75-77页 |
本章小结 | 第77-79页 |
第5章 基于SSVEP-BCI的 3D图像控制系统 | 第79-89页 |
5.1 基于SSVEP-BCI的 3D图像控制系统设计 | 第79-84页 |
5.1.1 信号采集模块 | 第80页 |
5.1.2 信号处理模块 | 第80-82页 |
5.1.3 3D图形控制模块 | 第82-83页 |
5.1.4 系统性能参数 | 第83-84页 |
5.2 系统实验 | 第84-88页 |
5.2.1 实验系统 | 第84-86页 |
5.2.2 实验及结果 | 第86-88页 |
本章小结 | 第88-89页 |
结论 | 第89-91页 |
参考文献 | 第91-106页 |
附录 | 第106-109页 |
攻读学位期间发表论文与研究成果清单 | 第109-110页 |
致谢 | 第110-111页 |
作者简介 | 第111页 |