| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 脑机接口简介 | 第11-12页 |
| 1.2.1 脑机接口的定义 | 第11-12页 |
| 1.2.2 脑机接口的原理 | 第12页 |
| 1.3 脑信号简介 | 第12-14页 |
| 1.4 脑机接口的研究现状 | 第14-15页 |
| 1.5 脑机接口面临的问题和挑战 | 第15-16页 |
| 1.6 本文的主要研究内容和章节安排 | 第16-17页 |
| 第二章 基于SSVEP的脑机接口系统 | 第17-23页 |
| 2.1 SSVEP电位概述 | 第17-19页 |
| 2.1.1 基本概念 | 第17-19页 |
| 2.1.2 SSVEP电位的特点 | 第19页 |
| 2.2 SSVEP-BCI系统 | 第19-22页 |
| 2.2.1 BCI系统的结构 | 第19-20页 |
| 2.2.2 信号采集 | 第20-21页 |
| 2.2.3 脑信号处理 | 第21-22页 |
| 2.2.4 系统的反馈 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 视觉刺激器的设计以及脑信号的预处理 | 第23-31页 |
| 3.1 视觉刺激器设计 | 第23-27页 |
| 3.1.1 视觉刺激器比较 | 第23-24页 |
| 3.1.2 可选刺激频率数 | 第24-25页 |
| 3.1.3 采集电极的选择 | 第25-26页 |
| 3.1.4 视觉刺激器实现 | 第26-27页 |
| 3.2 脑信号的预处理 | 第27-30页 |
| 3.2.1 脑信号中的噪声及干扰 | 第27-28页 |
| 3.2.2 设计数字滤波器 | 第28-29页 |
| 3.2.3 消除 50Hz工频干扰 | 第29页 |
| 3.2.4 脑电信号处理结果 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于SSVEP的脑电信号频率识别算法 | 第31-45页 |
| 4.1 引言 | 第31页 |
| 4.2 基于快速傅里叶变换（FFT）的频率识别 | 第31-35页 |
| 4.2.1 快速傅里叶变换的数学描述 | 第32-34页 |
| 4.2.2 频率提取的结果 | 第34-35页 |
| 4.3 基于最小能量结合（MEC）的频率识别算法 | 第35-37页 |
| 4.3.1 最小能量结合算法的数学描述 | 第35-36页 |
| 4.3.2 最小能量结合算法在EEG信号处理的应用 | 第36-37页 |
| 4.4 基于典型相关分析（CCA）的频率识别算法 | 第37-38页 |
| 4.4.1 典型相关分析算法的数学描述 | 第37页 |
| 4.4.2 典型相关分析算法在EEG信号处理的应用 | 第37-38页 |
| 4.5 离线实验处理 | 第38-43页 |
| 4.5.1 实验数据的采集 | 第38-39页 |
| 4.5.2 离线数据分析 | 第39-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 基于SSVEP系统的脑损伤患者脑电信号处理 | 第45-53页 |
| 5.1 脑损伤情况的分类 | 第45页 |
| 5.2 临床意识评定量表 | 第45-47页 |
| 5.3 离线结果分析 | 第47-52页 |
| 5.3.1 实验数据的采集 | 第47-49页 |
| 5.3.2 离线数据分析 | 第49-51页 |
| 5.3.3 在线实验结果及讨论 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 总结与展望 | 第53-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |
