脑机接口信号处理方法及控制应用研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 脑机接口技术概述 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 脑机接口系统结构 | 第10-11页 |
| 1.1.3 脑机接口系统分类 | 第11页 |
| 1.2 研究现状和发展趋势 | 第11-18页 |
| 1.2.1 EEG信号模式 | 第12-13页 |
| 1.2.2 BCI信号处理方法 | 第13-15页 |
| 1.2.3 脑机接口控制应用 | 第15-18页 |
| 1.2.4 发展趋势 | 第18页 |
| 1.3 论文的内容及结构 | 第18-20页 |
| 第2章 脑电信号处理方法 | 第20-34页 |
| 2.1 预处理 | 第20-21页 |
| 2.2 特征提取 | 第21-27页 |
| 2.2.1 AR功率谱估计 | 第22-24页 |
| 2.2.2 小波分析 | 第24-26页 |
| 2.2.3 共空间模式 | 第26-27页 |
| 2.3 分类方法 | 第27-33页 |
| 2.3.1 贝叶斯分类器 | 第28-29页 |
| 2.3.2 Fisher判别分析 | 第29-31页 |
| 2.3.3 支持向量机 | 第31-33页 |
| 2.3.4 马氏距离分类器 | 第33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 支持向量机优化 | 第34-42页 |
| 3.1 支持向量机参数影响 | 第34-35页 |
| 3.2 磁性细菌优化算法原理 | 第35-37页 |
| 3.2.1 生物学基础 | 第35-36页 |
| 3.2.2 MBOA模型建立及算法步骤 | 第36-37页 |
| 3.3 MBOA优化SVM参数 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 运动想象脑电数据处理实验 | 第42-60页 |
| 4.1 运动想象脑电模式 | 第42-44页 |
| 4.2 两分类运动想象脑电数据处理实验 | 第44-52页 |
| 4.2.1 数据描述 | 第44-45页 |
| 4.2.2 数据处理 | 第45-50页 |
| 4.2.3 实验结果 | 第50-52页 |
| 4.3 四分类运动想象脑电数据处理实验 | 第52-59页 |
| 4.3.1 数据描述 | 第52-54页 |
| 4.3.2 预处理 | 第54-55页 |
| 4.3.3 CSP特征提取 | 第55-56页 |
| 4.3.4 优化SVM模式分类 | 第56-59页 |
| 4.3.5 实验结果 | 第59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 脑机接口控制应用 | 第60-72页 |
| 5.1 脑机接口设备 | 第60-61页 |
| 5.2 外部控制系统 | 第61-63页 |
| 5.2.1 智能设备的构成 | 第62-63页 |
| 5.2.2 机器人的速度和转向控制 | 第63页 |
| 5.3 脑机接口控制系统实验设计 | 第63-71页 |
| 5.3.1 界面设计 | 第63-65页 |
| 5.3.2 机器人的控制方式 | 第65-66页 |
| 5.3.3 实现过程及实验结果显示 | 第66-71页 |
| 5.4 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-84页 |
| 致谢 | 第84页 |
