基于脑电与眼电的电动轮椅控制方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-17页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·人机交互技术与国内外研究现状 | 第13-16页 |
| ·脑电控制的人机交互 | 第13-15页 |
| ·眼电控制的人机交互 | 第15-16页 |
| ·研究内容与论文结构 | 第16-17页 |
| 第2章 脑电及眼电信号的研究基础 | 第17-25页 |
| ·脑电信号生理学基础 | 第17-21页 |
| ·大脑结构 | 第17-18页 |
| ·脑电信号的产生机制 | 第18页 |
| ·脑电信号的特点 | 第18-19页 |
| ·脑电信号的主要成分 | 第19-20页 |
| ·脑电信号的噪声伪迹 | 第20页 |
| ·国际标准电极放置 | 第20-21页 |
| ·眼电信号生理学基础 | 第21-24页 |
| ·眼部结构 | 第21-22页 |
| ·眼电信号的产生机制 | 第22-23页 |
| ·眼电信号的特点 | 第23页 |
| ·眼电信号的噪声伪迹 | 第23页 |
| ·双极导联电极放置 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 脑电及眼电信号的预处理 | 第25-36页 |
| ·常用的信号预处理方法 | 第25-26页 |
| ·滤波器 | 第25页 |
| ·盲源分离 | 第25页 |
| ·小波域消噪 | 第25-26页 |
| ·基于 EEMD 提升小波的脑电信号预处理方法 | 第26-32页 |
| ·EEMD 算法基本原理 | 第26-27页 |
| ·改进阈值函数的自适应阈值提升小波 | 第27-28页 |
| ·基于 EEMD 提升小波消噪方法 | 第28-29页 |
| ·实验结果分析 | 第29-32页 |
| ·眼电信号的预处理 | 第32-35页 |
| ·眼电信号消噪 | 第32-33页 |
| ·端点检测 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 脑电及眼电信号特征提取与模式分类 | 第36-53页 |
| ·特征提取及模式分类方法综述 | 第36-40页 |
| ·常用特征提取方法 | 第36-37页 |
| ·常用模式分类方法 | 第37-40页 |
| ·脑电信号特征提取 | 第40-45页 |
| ·小波包变换基本原理 | 第40-41页 |
| ·共空间模式算法 | 第41-43页 |
| ·基于小波包变换的 CSP 脑电信号特征提取 | 第43-45页 |
| ·眼电信号特征提取 | 第45-46页 |
| ·基于脑电和眼电信号的模式分类 | 第46-52页 |
| ·支持向量机 | 第46-49页 |
| ·D-S 证据推理 | 第49-51页 |
| ·基于 SVM 与 D-S 证据推理的模式分类 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于脑电与眼电的电动轮椅控制实验 | 第53-69页 |
| ·离线信号分析 | 第53-61页 |
| ·信号采集 | 第53-55页 |
| ·离线信号预处理 | 第55-58页 |
| ·离线信号特征提取 | 第58-60页 |
| ·离线信号模式分类 | 第60-61页 |
| ·在线控制系统设计 | 第61-68页 |
| ·系统总体框架 | 第62页 |
| ·数据处理模块设计 | 第62-64页 |
| ·输出模块设计 | 第64-65页 |
| ·在线控制实验 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| ·工作总结 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78页 |
