| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景、目的和意义 | 第9-11页 |
| 1.3 相关领域国内外研究现状 | 第11-16页 |
| 1.3.1 运动想象脑电信号伪迹消除方法研究现状 | 第11-13页 |
| 1.3.2 运动想象脑电信号特征提取方法研究现状 | 第13-15页 |
| 1.3.3 运动想象脑控机器人研究现状 | 第15-16页 |
| 1.4 论文研究内容和结构安排 | 第16-18页 |
| 1.4.1 论文主要研究内容 | 第16页 |
| 1.4.2 论文结构安排 | 第16-18页 |
| 第2章 基于GIG-ICA的运动想象EEG信号伪迹消除算法研究 | 第18-35页 |
| 2.1 EEG信号的采集及预处理 | 第18-21页 |
| 2.1.1 EEG信号的采集 | 第18-20页 |
| 2.1.2 EEG信号的预处理 | 第20-21页 |
| 2.2 基于ICA的伪迹消除改进算法 | 第21-27页 |
| 2.2.1 基于ICA的伪迹消除算法 | 第21-23页 |
| 2.2.2 基于GIG-ICA伪迹消除算法 | 第23-27页 |
| 2.3 实验结果与分析 | 第27-34页 |
| 2.3.1 模拟数据离线分析 | 第27-33页 |
| 2.3.2 运动想象信号离线数据 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于脑网络的多尺度特征提取算法研究 | 第35-50页 |
| 3.1 脑功能网络的构建 | 第35-38页 |
| 3.1.1 复杂网络的描述 | 第35-37页 |
| 3.1.2 构建EEG脑功能网络步骤 | 第37-38页 |
| 3.2 多尺度特征提取算法 | 第38-45页 |
| 3.2.1 常用特征提取算法 | 第38-39页 |
| 3.2.2 共空间模式与局部特征尺度分解算法 | 第39-42页 |
| 3.2.3 基于脑网络的多尺度特征融合与分类算法 | 第42-45页 |
| 3.3 实验结果与分析 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于运动想象的脑控NAO机器人实验平台设计 | 第50-58页 |
| 4.1 脑控机器人实验平台框架设计 | 第50-55页 |
| 4.1.1 运动想象信号采集模块设计 | 第51-52页 |
| 4.1.2 信号处理模块设计 | 第52-53页 |
| 4.1.3 脑控NAO机器人交互界面设计 | 第53-55页 |
| 4.2 运动想象脑控机器人实验设计 | 第55-56页 |
| 4.3 实验结果与分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 全文工作总结 | 第58-59页 |
| 5.2 下一步工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 作者在攻读硕士学位期间取得的研究成果 | 第66页 |