| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-16页 |
| 1.2.1 BCI及运动想象脑电识别 | 第11-13页 |
| 1.2.2 BCI中的反馈环节与本体错觉 | 第13-16页 |
| 1.3 本文主要的研究内容 | 第16-18页 |
| 第2章 脑电信号采集与预处理 | 第18-29页 |
| 2.1 脑电信号的生理基础以及特点 | 第18-19页 |
| 2.2 脑电信号的采集 | 第19-21页 |
| 2.2.1 脑电极的导联 | 第19-20页 |
| 2.2.2 脑电数据的采集 | 第20-21页 |
| 2.3 常用的脑电信号预处理方法 | 第21-23页 |
| 2.3.1 滤波器方法 | 第21-22页 |
| 2.3.2 主成分分析法 | 第22页 |
| 2.3.3 独立成分分析法 | 第22页 |
| 2.3.4 小波变换 | 第22-23页 |
| 2.4 基于EEMD与改进提升小波的脑电信号消噪方法 | 第23-28页 |
| 2.4.1 改进提升小波消噪原理 | 第23-24页 |
| 2.4.2 EEMD算法 | 第24-25页 |
| 2.4.3 EEMD与改进提升小波的脑电信号消噪 | 第25页 |
| 2.4.4 实验分析 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 脑电信号的特征提取以及模式分类 | 第29-40页 |
| 3.1 常用的特征提取和分类方法 | 第29-30页 |
| 3.1.1 特征提取方法 | 第29页 |
| 3.1.2 分类方法 | 第29-30页 |
| 3.2 基于噪声辅助MEMD与样本熵的运动想象脑电特征提取 | 第30-33页 |
| 3.2.1 噪声辅助多元经验模态分解基本原理 | 第30-32页 |
| 3.2.2 样本熵 | 第32-33页 |
| 3.3 基于极限学习机的分类方法 | 第33-36页 |
| 3.4 实验与结果分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 本体错觉实验研究 | 第40-49页 |
| 4.1 本体感觉生理基础 | 第40-43页 |
| 4.1.1 人体平衡系统 | 第40页 |
| 4.1.2 前庭系统 | 第40页 |
| 4.1.3 视觉 | 第40-41页 |
| 4.1.4 本体感觉 | 第41-43页 |
| 4.2 本体错觉的振动模式设计 | 第43-48页 |
| 4.2.1 实验准备 | 第43-46页 |
| 4.2.2 实验过程 | 第46-47页 |
| 4.2.3 实验结果及分析 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 不同反馈范式下的运动想象识别 | 第49-57页 |
| 5.1 本体错觉反馈实验方案设计 | 第49页 |
| 5.2 实验具体实现 | 第49-51页 |
| 5.2.1 无振动反馈实验 | 第50页 |
| 5.2.2 加入本体错觉反馈实验 | 第50-51页 |
| 5.3 实验结果及分析 | 第51-56页 |
| 5.3.1 无振动反馈时数据分析 | 第51-55页 |
| 5.3.2 加入本体错觉反馈实验数据分析 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57页 |
| 6.2 研究展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |