基于P300和SSVEP的混合型脑机接口的分析与研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 脑机接口概述 | 第12-16页 |
| 1.1.1 脑机接口的背景意义 | 第12-13页 |
| 1.1.2 脑机接口的分类 | 第13-15页 |
| 1.1.3 脑机接口的工作原理和构成 | 第15-16页 |
| 1.2 目前脑机接口所存在的问题 | 第16-17页 |
| 1.3 本文研究内容及章节安排 | 第17-19页 |
| 第二章 基于EEG信号的脑机接口 | 第19-28页 |
| 2.1 脑电信号概述 | 第19-20页 |
| 2.2 基于单一模式的脑机接口 | 第20-25页 |
| 2.2.1 基于皮层慢电位的脑机接口 | 第20-21页 |
| 2.2.2 基于感觉运动节律的脑机接口 | 第21-22页 |
| 2.2.3 基于稳态视觉诱发电位的脑机接口 | 第22-23页 |
| 2.2.4 基于事件相关电位P300的脑机接口 | 第23-25页 |
| 2.3 混合型脑机接口 | 第25-27页 |
| 2.4 本章小节 | 第27-28页 |
| 第三章 新型混合脑机接口系统范式设计 | 第28-35页 |
| 3.1 可行性分析 | 第28-29页 |
| 3.2 实验设计 | 第29-34页 |
| 3.2.1 受试者选择 | 第29页 |
| 3.2.2 设计平台 | 第29-30页 |
| 3.2.3 实验范式 | 第30-33页 |
| 3.2.4 EEG采集 | 第33-34页 |
| 3.3 本章小节 | 第34-35页 |
| 第四章 脑电信号预处理 | 第35-47页 |
| 4.1 眼电伪迹介绍 | 第35-37页 |
| 4.2 ICA基本理论 | 第37-40页 |
| 4.2.1 ICA的数学模型 | 第37-38页 |
| 4.2.2 基于负熵的FastICA算法 | 第38页 |
| 4.2.3 ICA去除眼电伪迹 | 第38-40页 |
| 4.3 EMD去除眼电伪迹 | 第40-43页 |
| 4.4 ICA和EMD结合的伪迹消除法 | 第43-46页 |
| 4.4.1 ICA-EMD伪迹消除法 | 第43页 |
| 4.4.2 ICA-EMD去除EOG结果 | 第43-46页 |
| 4.5 本章小节 | 第46-47页 |
| 第五章 脑电特征提取与分类 | 第47-64页 |
| 5.1 P300预处理 | 第47-49页 |
| 5.2 P300特征提取 | 第49-52页 |
| 5.2.1 小波分解提取特征向量 | 第49-51页 |
| 5.2.2 时域能量熵提取特征向量 | 第51-52页 |
| 5.3 P300分类 | 第52-57页 |
| 5.3.1 支持向量机 | 第52-54页 |
| 5.3.2 基于SVM的二分类 | 第54页 |
| 5.3.3 P300分类结果 | 第54-57页 |
| 5.4 SSVEP预处理和特征提取 | 第57页 |
| 5.5 SSVEP分类 | 第57-60页 |
| 5.5.1 典型相关分析 | 第58-59页 |
| 5.5.2 SSVEP分类结果 | 第59-60页 |
| 5.6 结果分析 | 第60-63页 |
| 5.6.1 字符识别正确率 | 第61-62页 |
| 5.6.2 信息传输率 | 第62-63页 |
| 5.7 本章小节 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
