首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--电子数字计算机(不连续作用电子计算机)论文--外部设备论文--接口装置、插件论文

基于SCF范式的在线P300脑机接口研究

摘要第1-5页
Abstract第5-14页
第1章 绪论第14-18页
   ·研究背景第14页
   ·脑机接口研究的问题第14-16页
   ·研究目标与贡献第16-17页
   ·论文组织第17-18页
第2章 脑机接口研究综述第18-42页
   ·脑机接口的发展历史第18-19页
   ·脑机接口的结构及组成第19-28页
     ·信号输入:大脑的神经信号第20-22页
     ·反馈输出:脑机接口的应用第22-23页
     ·数据处理:神经信号到机器指令的解码第23-27页
     ·模块的标准化及BCI2000第27页
     ·脑机接口的性能评定第27-28页
   ·EEG脑机接口第28-36页
     ·EEG信号及其特征第28-31页
     ·EEG脑机接口的类型第31-34页
     ·各类脑机接口的比较与发展第34-36页
   ·P300脑机接口的研究第36-41页
     ·RCF范式和SCF范式第36-38页
     ·刺激诱发参数、叠加和P300识别第38-40页
     ·SCF范式中的研究问题第40-41页
   ·本章小结第41-42页
第3章 基于SCF范式的P300脑机接口平台第42-58页
   ·基于SCF范式的接口平台设计第42-48页
     ·信号采集模块第43页
     ·交互界面第43-44页
     ·在线数据处理流程及算法第44-48页
   ·应用与实验验证第48-53页
     ·P300中文打字模型第48-50页
     ·实验方案第50-53页
   ·在线实验结果及分析第53-56页
   ·本章小结第56-58页
第4章 P300刺激诱发参数的个性化配置第58-74页
   ·刺激间间隔第58-64页
     ·刺激诱发模式设计第59-60页
     ·在线实验结果第60-62页
     ·分析与讨论第62-64页
   ·刺激增强的诱发参数配置及实验第64-67页
   ·非固定叠加的诱发参数配置及实验第67-69页
   ·刺激位置参数的评价第69-71页
   ·刺激诱发参数的个性化配置策略第71-72页
   ·本章小结第72-74页
第5章 SCF范式下的P300特征提取方法第74-88页
   ·眼电伪迹去除方法的研究第74-81页
     ·眼电干扰的原理第75-77页
     ·基于线性回归的眼电伪迹去除方法第77-80页
     ·去除效果及分析第80-81页
   ·时域上的特征提取第81-82页
   ·基于粗糙集的空域特征选择第82-85页
     ·粗糙集的重要性度量第82-83页
     ·电极通道选择第83-85页
   ·本章小结第85-88页
第6章 P300脑机接口的分类及在线自适应第88-114页
   ·SCF范式下的P300电位分类识别算法第88-96页
     ·Fisher线性判别分析第89-91页
     ·支持向量机第91-93页
     ·数据处理及结果分析第93-96页
   ·基于支持向量机的在线分类第96-97页
   ·P300脑机接口中的分类器训练第97-102页
     ·带反馈和无反馈数据的交叉检验第98-100页
     ·不同刺激间间隔数据的交叉检验第100-102页
   ·bagging方法在少次叠加中的应用第102-103页
   ·P300分类中的叠加问题第103-108页
   ·在线重叠自适应模型第108-112页
     ·模型设计第110-111页
     ·实验及结果分析第111-112页
   ·本章小结第112-114页
第7章 EEG混合控制模式及应用第114-126页
   ·脑机接口与虚拟现实第114-115页
   ·混合控制模式的设计与应用第115-118页
   ·混合控制模式中的数据处理第118-120页
     ·共空间模式第118-119页
     ·自适应频段选择第119-120页
   ·实验及任务设计第120-121页
     ·被试和数据采集第120页
     ·被试训练第120-121页
     ·任务设计第121页
   ·实验结果与讨论第121-124页
   ·本章小结第124-126页
第8章 总结与展望第126-130页
   ·全文总结第126-128页
   ·未来工作展望第128-130页
参考文献第130-140页
攻读博士学位期间主要的研究成果第140-144页
致谢第144-145页

论文共145页,点击 下载论文
上一篇:基于TCPN的自动化分拣打码集成系统设计
下一篇:低热导率碲化物热电材料的制备及性能优化