首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

脑力负荷影响下的P300-Speller性能提升方法研究

摘要第3-4页
ABSTRACT第4-5页
第1章 绪论第8-19页
    1.1 脑-机接口概述第8-11页
        1.1.1 脑-机接口定义及分类第8-9页
        1.1.2 脑-机接口原理及结构第9-10页
        1.1.3 脑-机接口研究意义及应用第10页
        1.1.4 脑-机接口常见范式第10-11页
    1.2 基于P300的BCI拼写器第11-13页
        1.2.1 事件相关电位和P300信号第11-12页
        1.2.2 P300-Speller脑-机接口概述第12-13页
    1.3 脑力负荷概述第13-15页
        1.3.1 脑力负荷基本概念第13页
        1.3.2 脑力负荷与认知资源理论第13-15页
    1.4 脑-机接口与脑力负荷研究第15-17页
        1.4.1 脑-机交互中脑力负荷研究意义第15-16页
        1.4.2 脑力负荷对脑-机接口影响研究现状第16-17页
    1.5 研究内容及章节安排第17-19页
第2章 基于混合数据建模的P300-Speller性能提升方法第19-45页
    2.1 基于混合数据建模的实验设计第19-22页
        2.1.1 实验方案第19-21页
        2.1.2 实验平台与脑电采集系统第21-22页
    2.2 数据分析方法第22-34页
        2.2.1 数据预处理第23-25页
        2.2.2 分类识别第25-32页
        2.2.3 ERP特征提取第32-34页
    2.3 实验结果与讨论第34-43页
        2.3.1 行为学数据和RSME评分第35页
        2.3.2 脑力负荷对P300-Speller影响结果第35-39页
        2.3.3 混合数据建模识别结果第39-42页
        2.3.4 结果讨论第42-43页
    2.4 本章小结第43-45页
第3章 基于动态停止策略的在线P300-Speller性能提升方法第45-60页
    3.1 基于动态停止策略的在线P300-Speller实验设计第45-48页
        3.1.1 实验方案第45-46页
        3.1.2 P300-Speller在线系统实现第46-48页
    3.2 数据处理第48-51页
        3.2.1 基于DSC的字符识别过程第48-49页
        3.2.2 基于贝叶斯公式的后验概率计算第49-50页
        3.2.3 在线BCI系统性能评价指标第50-51页
    3.3 实验结果与讨论第51-59页
        3.3.1 行为学数据和RSME评分第51-52页
        3.3.2 多种脑力负荷状态下的DSC有效性分析第52-55页
        3.3.3 不同负荷状态下的基于DSC的P300-Speller系统性能比较第55-58页
        3.3.4 结果讨论第58-59页
    3.4 本章小结第59-60页
第4章 总结与展望第60-62页
    4.1 工作总结第60-61页
    4.2 未来展望第61-62页
参考文献第62-66页
发表论文和科研情况说明第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:基于异构系统的流固耦合模拟并行算法的研究与实现
下一篇:一种可扩展计数布鲁姆过滤器的设计与实现