| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 脑-机接口技术的基本概念 | 第11-13页 |
| 1.1.1 脑-机接口技术的定义 | 第11页 |
| 1.1.2 脑-机接口的主要结构 | 第11-12页 |
| 1.1.3 脑-机接口的分类方式 | 第12-13页 |
| 1.2 脑-机接口的研究意义 | 第13-14页 |
| 1.3 多模态脑-机接口系统 | 第14-16页 |
| 1.3.1 多模态脑-机接口定义 | 第14-15页 |
| 1.3.2 多模态脑-机接口中脑信号类型 | 第15页 |
| 1.3.3 多模态脑-机接口国内外研究现状 | 第15-16页 |
| 1.4 本文主要工作和章节安排 | 第16-18页 |
| 1.4.1 本文研究的主要目的和流程 | 第16-17页 |
| 1.4.2 论文各章节研究内容 | 第17-18页 |
| 第2章 EEG和fNIRS生理学基础 | 第18-24页 |
| 2.1 人脑结构与大脑皮层功能分区 | 第18-19页 |
| 2.1.1 人脑组成结构 | 第18页 |
| 2.1.2 大脑皮层及其功能分区 | 第18-19页 |
| 2.2 EEG的生理学基础 | 第19-21页 |
| 2.2.1 EEG的产生机理 | 第19页 |
| 2.2.2 EEG的特点 | 第19-20页 |
| 2.2.3 事件相关去同步/同步 | 第20-21页 |
| 2.3 fNIRS生理学基础 | 第21-24页 |
| 2.3.1 脑功能活动与血液动力学反应 | 第21页 |
| 2.3.2 fNIRS的测量原理 | 第21-22页 |
| 2.3.3 血氧浓度计算原理 | 第22-24页 |
| 第3章 EEG和fNIRS同步采集实验设计 | 第24-29页 |
| 3.1 EEG采集与分析系统 | 第24-25页 |
| 3.2 fNIRS采集与分析系统 | 第25-26页 |
| 3.3 EEG和fNIRS同步采集实验设计 | 第26-29页 |
| 3.3.1 实验环境 | 第26-27页 |
| 3.3.2 受试者情况 | 第27页 |
| 3.3.3 EEG电极和fNIRS探头布局 | 第27-28页 |
| 3.3.4 同步采集实验设计 | 第28-29页 |
| 第4章 EEG和fNIRS信号预处理及特征提取方法 | 第29-43页 |
| 4.1 EEG信号预处理 | 第29-30页 |
| 4.1.1 原始EEG信号预处理 | 第29页 |
| 4.1.2 EEG信号降采样 | 第29页 |
| 4.1.3 EEG信号数字滤波 | 第29-30页 |
| 4.2 EEG信号特征提取 | 第30-37页 |
| 4.2.1 基于频带能量的EEG信号特征提取 | 第30-31页 |
| 4.2.2 基于AR模型参数EEG信号特征提取 | 第31-34页 |
| 4.2.3 基于小波系数的EEG特征提取 | 第34-37页 |
| 4.3 fNIRS信号预处理 | 第37-39页 |
| 4.3.1 原始fNIRS信号预处理 | 第37-38页 |
| 4.3.2 血液动力学响应 | 第38页 |
| 4.3.3 HbO信号时域特性 | 第38-39页 |
| 4.4 fNIRS信号特征提取 | 第39-41页 |
| 4.4.1 基于均值的fNIRS特征提取 | 第39-40页 |
| 4.4.2 基于斜率的fNIRS特征提取 | 第40-41页 |
| 4.5 特征向量的归一化处理 | 第41-43页 |
| 第5章 EEG和fNIRS特征分类及结果分析 | 第43-53页 |
| 5.1 分类算法 | 第43-48页 |
| 5.1.1 线性判别分类器 | 第43-44页 |
| 5.1.2 支持向量机 | 第44-47页 |
| 5.1.3 交叉验证 | 第47-48页 |
| 5.2 基于单模态信号特征的分类 | 第48-51页 |
| 5.3 基于EEG小波系数和fNIRS斜率融合特征的分类 | 第51-53页 |
| 5.3.1 常用的数据融合策略 | 第51页 |
| 5.3.2 融合特征分类结果 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62页 |