| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-20页 |
| 1.1 脑机接口的研究背景，定义及研究价值 | 第8-9页 |
| 1.2 脑机接口（BCI）系统组成 | 第9-12页 |
| 1.3 脑机接口系统的分类及研究现状 | 第12-18页 |
| 1.4 基于想象电位BCI的现存问题与发展方向 | 第18-19页 |
| 1.5 本文的主要研究内容 | 第19-20页 |
| 2 基于想象电位的脑电特征提取 | 第20-43页 |
| 2.1 想象电位的产生机理及脑电信号采集 | 第20-26页 |
| 2.2 时频域特征提取算法 | 第26-39页 |
| 2.3 空间域特征提取算法 | 第39-42页 |
| 2.4 本章小结 | 第42-43页 |
| 3 基于想象电位的脑电模式识别 | 第43-55页 |
| 3.1 Fisher线性分类器及基于距离的特征选择算法 | 第43-46页 |
| 3.2 概率神经网络（PNN）分类器 | 第46-48页 |
| 3.3 基于核函数的支持向量机分类 | 第48-54页 |
| 3.4 本章小结 | 第54-55页 |
| 4 特征提取与模式识别算法组合优化 | 第55-71页 |
| 4.1 采用数据及算法组合 | 第55-56页 |
| 4.2 小波分解层数及CSP最优特征维数优化 | 第56-66页 |
| 4.3 算法组合分类研究 | 第66-70页 |
| 4.4 本章小结 | 第70-71页 |
| 5 基于想象电位的BCI实验设计及算法验证 | 第71-83页 |
| 5.1 实验设计 | 第71-75页 |
| 5.2 离线实验实现 | 第75-77页 |
| 5.3 实验数据处理及结果分析 | 第77-82页 |
| 5.4 本章小结 | 第82-83页 |
| 6 总结与展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-92页 |