首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信理论论文--信号处理论文

稳态视觉诱发电位型脑机接口的优化的研究

摘要第5-7页
Abstract第7-8页
第一章 绪论第13-26页
    1.1 脑机接口研究背景第13-20页
        1.1.1 脑机接口的定义第13页
        1.1.2 脑机接口的组成第13-16页
        1.1.3 基于脑电信号的脑机接口系统分类第16-20页
    1.2 基于SSVEP的脑机接口研究现状第20-23页
        1.2.1 SSVEP信号检测区域研究第20-21页
        1.2.2 刺激范式相关参数研究第21-22页
        1.2.3 刺激范式编码方式研究第22-23页
        1.2.4 分类正确率提高方式研究第23页
    1.3 论文的主要研究内容和布局第23-26页
第二章 SSVEP型BCI系统的实验设计第26-34页
    2.1 实验环境第26页
    2.2 实验被试第26-27页
    2.3 视觉刺激第27-28页
        2.3.1 SSVEP视觉刺激界面布局第27页
        2.3.2 基于正弦波调制产生刺激频率的方法第27-28页
    2.4 刺激范式第28-29页
    2.5 脑电采集方式第29-33页
        2.5.1 脑电信号产生的生理基础简介第29-31页
        2.5.2 10-20国际标准导联系统第31-32页
        2.5.3 脑电信号的采集装置第32-33页
    2.6 本章小结第33-34页
第三章 SSVEP型BCI的信号预处理方法第34-45页
    3.1 SSVEP型脑机接口的通道选择第34-35页
    3.2 脑电信号的预处理第35-37页
        3.2.1 重参考处理第35页
        3.2.2 基于ICA的眼电伪迹去除第35-37页
        3.2.3 带通滤波第37页
    3.3 基于SA-MEMD算法的SSVEP信号纯化处理第37-44页
        3.3.1 经验模态分解及其改进算法第38-40页
        3.3.2 SA-MEMD算法简介第40-41页
        3.3.3 SA-MEMD对SSVEP信号纯化的结果分析第41-44页
    3.4 本章小结第44-45页
第四章 SSVEP信号的识别及其改进方法第45-68页
    4.1 基于CCA的SSVEP信号的特征提取与识别第45-49页
        4.1.1 经典CCA算法的基本原理简介第45-47页
        4.1.2 基于经典CCA的SSVEP信号分类检测算法第47-49页
    4.2 典型SSVEP信号特性对CCA算法影响的分析第49-56页
        4.2.1 不同起始时间条件下经典CCA算法检测SSVEP信号的效果分析第49-54页
        4.2.2 典型SSVEP信号的特征及其在CCA中的体现第54-56页
    4.3 基于SSVEP信号特性改进CCA算法第56-61页
        4.3.1 SA-MEMD分解EEG信号的IMF特征分析第56-57页
        4.3.2 基于SSVEP特性的SA-MEMD多子带CCA算法第57-61页
    4.4 实验结果第61-67页
    4.5 本章小结第67-68页
第五章 扰动影响的相关系数序列的过滤方法第68-84页
    5.1 无明显最大值的相关系数序列的定义第68页
    5.2 支持向量机(SVM)基本原理第68-74页
        5.2.1 支持向量机简介第68-73页
        5.2.2 One-classSVM基本原理简介第73-74页
    5.3 基于One-classSVM的SSVEP无明显最大值相关系数序列过滤模块设计第74-76页
    5.4 实验结果第76-83页
        5.4.1 基于经典CCA算法提取相关系数序列过滤效果分析第76-79页
        5.4.2 基于SSVEP特性的SA-MEMD多子带CCA算法提取相关系数序列过滤效果分析第79-81页
        5.4.3 不同BCI相关系数序列提取条件下过滤结果分析第81-83页
    5.5 本章小结第83-84页
第六章 总结与展望第84-86页
    6.1 总结第84-85页
    6.2 展望第85-86页
致谢第86-87页
参考文献第87-92页
在校期间发表论文情况第92页

论文共92页,点击 下载论文
上一篇:多频段小型化LTE微带天线的设计与实现
下一篇:滴滴出行快捷业务春节专题设计与研究