| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题的背景和意义 | 第11-13页 |
| 1.2 脑-机接口技术发展现状 | 第13-17页 |
| 1.2.1 脑-机接口 | 第13页 |
| 1.2.2 脑-机接口的实现手段 | 第13-14页 |
| 1.2.3 EEG 信号的类型 | 第14-16页 |
| 1.2.4 脑-机接口国内外研究现状 | 第16-17页 |
| 1.3 课题研究面临的挑战 | 第17-18页 |
| 1.4 研究内容与论文结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 脑电信号的采集 | 第20-27页 |
| 2.1 脑电信号的介绍 | 第20-22页 |
| 2.1.1 大脑的结构与功能分区 | 第20-21页 |
| 2.1.2 脑电信号产生的神经机理 | 第21页 |
| 2.1.3 脑电信号的特点 | 第21-22页 |
| 2.2 运动想象脑电信号的采集 | 第22-26页 |
| 2.2.1 电极的导联方法 | 第22-23页 |
| 2.2.2 脑电采集设备与参数设置 | 第23-24页 |
| 2.2.3 信号采集的注意事项 | 第24-25页 |
| 2.2.4 脑电采集实验范式 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 脑电信号的处理 | 第27-44页 |
| 3.1 脑电信号的消噪分析 | 第27-35页 |
| 3.1.1 基于双变量收缩阈值与 HD 离散小波相结合的去噪方法 | 第27-31页 |
| 3.1.2 脑电信号去噪分析 | 第31-35页 |
| 3.2 脑电信号特征提取 | 第35-43页 |
| 3.2.1 基于双树复小波节律能量的脑电特征提取 | 第35-40页 |
| 3.2.2 基于节律信号排列组合熵的脑电特征提取 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 基于运动想象脑电信号特征的模式分类 | 第44-54页 |
| 4.1 脑电特征分类方法概述 | 第44-45页 |
| 4.2 模糊支持向量机实现脑电信号分类识别 | 第45-53页 |
| 4.2.1 支持向量机 | 第45-48页 |
| 4.2.2 模糊支持向量机 | 第48-50页 |
| 4.2.3 基于遗传算法的模糊支持向量机参数选择 | 第50-51页 |
| 4.2.4 运动想象脑电信号的分类实验 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 运动想象脑电的虚拟现实场景控制实验 | 第54-62页 |
| 5.1 基于 BCI 的虚拟现实控制平台的搭建 | 第54-57页 |
| 5.2 基于运动想象脑电的在线控制实验 | 第57-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第6章 总结和展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70页 |