| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 脑电信号 | 第9-12页 |
| 1.1.1 脑电信号来源 | 第9-11页 |
| 1.1.2 节律信号的分类 | 第11-12页 |
| 1.2 脑-机接口及其含义 | 第12-13页 |
| 1.2.1 脑-机接口的含义 | 第12页 |
| 1.2.2 脑-机接口的构成 | 第12-13页 |
| 1.3 脑-机接口发展现状 | 第13-14页 |
| 1.4 研究的意义和内容安排 | 第14-16页 |
| 1.4.1 研究的意义 | 第14页 |
| 1.4.2 文章内容安排 | 第14-16页 |
| 第2章 想象运动 BCI 系统特征及提取 | 第16-36页 |
| 2.1 脑电信号的预处理 | 第16-19页 |
| 2.1.1 伪迹及其干扰 | 第16-17页 |
| 2.1.2 伪迹的消除方法 | 第17-18页 |
| 2.1.3 滤波及滤波器 | 第18-19页 |
| 2.2 运动想象的特征 | 第19-20页 |
| 2.2.1 ERS/ERD 现象 | 第19-20页 |
| 2.3 运动想象特征提取方法 | 第20-35页 |
| 2.3.1 多次试验带通能量 | 第20-22页 |
| 2.3.2 ERD/ERS 能量特征时/频分析方法 | 第22-30页 |
| 2.3.3 自回归模型的特征提取 | 第30-31页 |
| 2.3.4 CSP 共空间模式特征提取 | 第31-35页 |
| 2.4 小结 | 第35-36页 |
| 第3章 BCI 系统中分类器选择 | 第36-45页 |
| 3.1 线性判别函数 | 第36-41页 |
| 3.1.1 梯度下降算法 | 第37-38页 |
| 3.1.2 感知器算法 | 第38页 |
| 3.1.3 最小平方误差法 | 第38-39页 |
| 3.1.4 Fisher 线性判别函数 | 第39-40页 |
| 3.1.5 支持向量机 | 第40-41页 |
| 3.2 神经网络 | 第41-44页 |
| 3.2.1 BP 人工神经网络 | 第42-43页 |
| 3.2.2 径向基函数神经网络 | 第43-44页 |
| 3.3 小结 | 第44-45页 |
| 第4章 在线脑-机接口实验 | 第45-52页 |
| 4.1 在线实验的原理 | 第45页 |
| 4.2 实验及结果 | 第45-49页 |
| 4.2.1 系统架构 | 第45-47页 |
| 4.2.2 实验过程 | 第47-48页 |
| 4.2.3 实验结果 | 第48-49页 |
| 4.3 基于脑电的智能轮椅 | 第49-51页 |
| 4.4 小结 | 第51-52页 |
| 第5章 FPGA 及数字滤波器设计 | 第52-59页 |
| 5.1 FPGA 设计思想 | 第52-53页 |
| 5.2 FIR 滤波器设计 | 第53-57页 |
| 5.2.1 FIR 滤波器原理 | 第53-54页 |
| 5.2.2 FIR 滤波器的实现结构 | 第54-55页 |
| 5.2.3 FDATool 设计滤波器 | 第55-57页 |
| 5.3 窗函数设计 | 第57-58页 |
| 5.4 小结 | 第58-59页 |
| 第6章 BCI 系统 FPGA 特征提取 | 第59-79页 |
| 6.1 CSP 算法 FPGA 实现结构 | 第59-72页 |
| 6.1.1 协方差矩阵的实现 | 第60页 |
| 6.1.2 矩阵特征分析实现 | 第60-71页 |
| 6.1.3 排序投影 | 第71-72页 |
| 6.2 AR 模型的参数提取 | 第72-78页 |
| 6.2.1 AR 模型自相关模块计算 | 第73-74页 |
| 6.2.2 舒尔递推算法模块 | 第74-75页 |
| 6.2.3 反射系数到 AR 模型参数 | 第75-77页 |
| 6.2.4 AR 模型分析顶层例化 | 第77-78页 |
| 6.3 LDA 算法的 FPGA 实现 | 第78页 |
| 6.4 小结 | 第78-79页 |
| 第7章 总结与展望 | 第79-81页 |
| 7.1 本文总结 | 第79-80页 |
| 7.2 展望未来 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 致谢 | 第84-85页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第85页 |