| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 脑机接口概述 | 第10-11页 |
| 1.3 国内外研究发展现状 | 第11-12页 |
| 1.4 研究挑战 | 第12页 |
| 1.4.1 脑科学认知不足 | 第12页 |
| 1.4.2 分类方法的不足 | 第12页 |
| 1.5 主要研究内容目标 | 第12-13页 |
| 1.6 论文章节安排 | 第13-14页 |
| 2 脑电信号的研究发展、生理基础、特点、采集设备和数据采集 | 第14-23页 |
| 2.1 脑电信号的研究发展 | 第14页 |
| 2.2 脑电信号的生理基础 | 第14-17页 |
| 2.2.1 人脑的结构 | 第14-15页 |
| 2.2.2 生物神经元结构 | 第15-16页 |
| 2.2.3 脑电信号产生原理 | 第16-17页 |
| 2.3 脑电信号分类 | 第17-18页 |
| 2.4 脑电信号特点 | 第18-19页 |
| 2.5 信号采集设备 | 第19-21页 |
| 2.6 信号采集 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 3 脑电信号的特征提取与分类 | 第23-42页 |
| 3.1 脑电信号预处理 | 第23页 |
| 3.2 主成分分析理论模型 | 第23-30页 |
| 3.2.1 主成分分析概述 | 第23-24页 |
| 3.2.2 数学模型及几何解释 | 第24-26页 |
| 3.2.3 主成分分析计算步骤 | 第26-27页 |
| 3.2.4 基于主成分分析特征值提取 | 第27-30页 |
| 3.3 BP神经网络 | 第30-36页 |
| 3.3.1 BP神经网络概述 | 第30页 |
| 3.3.2 BP神经网络模型结构 | 第30-31页 |
| 3.3.3 模型推导 | 第31-34页 |
| 3.3.4 BP神经网络优点 | 第34-35页 |
| 3.3.5 BP算法的局限性及优化算法 | 第35-36页 |
| 3.4 基于改进BP算法的脑电信号分类 | 第36-41页 |
| 3.4.1 动量梯度下降算法 | 第36-38页 |
| 3.4.2 自适应lr梯度法 | 第38-39页 |
| 3.4.3 LM算法 | 第39-41页 |
| 3.5 本章小节 | 第41-42页 |
| 4 控制应用 | 第42-55页 |
| 4.1 系统硬件介绍 | 第42-48页 |
| 4.1.1 Arduino开发板版本 | 第43-45页 |
| 4.1.2 Arduino语言 | 第45页 |
| 4.1.3 ArduinoXbeeV5.0传感器扩展板。 | 第45-47页 |
| 4.1.4 SPP协议 | 第47-48页 |
| 4.2 MATLABGUI | 第48-54页 |
| 4.2.1 MATLAB简介 | 第48-49页 |
| 4.2.2 MATLABGUI | 第49-53页 |
| 4.2.3 基于MATLABGUI软件设计 | 第53-54页 |
| 4.3 本章小节 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 硕士研究生期间取得的研究成果 | 第61页 |