| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 BCI系统概述 | 第12-15页 |
| 1.2.1 BCI系统的组成 | 第12-13页 |
| 1.2.2 BCI系统的分类 | 第13-15页 |
| 1.3 BCI系统的评价指标 | 第15-16页 |
| 1.3.1 分类准确率 | 第15页 |
| 1.3.2 信息传输速率 | 第15-16页 |
| 1.4 BCI的研究现状 | 第16-21页 |
| 1.4.1 单一类型BCI系统 | 第16-17页 |
| 1.4.2 混合BCI系统 | 第17-20页 |
| 1.4.3 目前存在问题 | 第20-21页 |
| 1.5 本文的主要工作安排 | 第21-22页 |
| 第二章 混合BCI系统设计 | 第22-30页 |
| 2.1 混合BCI系统的结构设计 | 第22-23页 |
| 2.2 实验设计 | 第23-29页 |
| 2.2.1 EEG信号采集设备 | 第23-25页 |
| 2.2.2 电极位置的选取 | 第25-26页 |
| 2.2.3 实验范式设计 | 第26-28页 |
| 2.2.4 受试者的选择 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 脑电信号的特征提取 | 第30-41页 |
| 3.1 预处理算法 | 第30-32页 |
| 3.1.1 SSVEP的预处理 | 第30-32页 |
| 3.1.2 左右手运动想象信号的预处理 | 第32页 |
| 3.2 特征提取算法 | 第32-40页 |
| 3.2.1 功率谱密度分析 | 第33-34页 |
| 3.2.2 典型相关分析 | 第34-36页 |
| 3.2.3 基于CCA的空闲状态检测 | 第36页 |
| 3.2.4 短时傅里叶变换 | 第36-38页 |
| 3.2.5 二阶矩能量特征提取分析 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 脑电信号的分类 | 第41-55页 |
| 4.1 基于Fisher准则的线性分类算法 | 第41-43页 |
| 4.2 交叉验证寻优的SVM分类 | 第43-46页 |
| 4.2.1 二分类最优超平面 | 第43-44页 |
| 4.2.2 线性分类 | 第44-45页 |
| 4.2.3 非线性分类 | 第45-46页 |
| 4.3 分类结果和分析 | 第46-53页 |
| 4.3.1 SSVEP的分类结果和分析 | 第46-49页 |
| 4.3.2 咬牙状态检测结果和分析 | 第49-51页 |
| 4.3.3 左右手运动想象的分类结果和分析 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 基于SSVEP和运动想象的在线混合BCI系统实现 | 第55-62页 |
| 5.1 实验平台及实验流程 | 第55-59页 |
| 5.1.1 Dobot机械臂 | 第55-56页 |
| 5.1.2 在线混合BCI实验 | 第56-58页 |
| 5.1.3 实验任务 | 第58-59页 |
| 5.1.4 系统评价标准 | 第59页 |
| 5.2 在线实验和结果分析 | 第59-61页 |
| 5.2.1 在线实验 | 第59-60页 |
| 5.2.2 在线实验结果分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 发表论文和科研情况说明 | 第71-72页 |
| 致谢 | 第72页 |