多模态脑机接口系统开发及应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-23页 |
| 第一节 研究背景及意义 | 第9-10页 |
| 第二节 脑机接口技术的研究基础 | 第10-12页 |
| ·脑电信号的产生及特点 | 第10页 |
| ·脑电信号的主要成分 | 第10-11页 |
| ·脑电信号的分类 | 第11-12页 |
| 第三节 脑机接口的定义 | 第12-14页 |
| ·信号采集模块 | 第13页 |
| ·信号处理模块 | 第13-14页 |
| ·信号输出模块 | 第14页 |
| 第四节 脑机接口的研究现状 | 第14-22页 |
| ·基于μ和β节律的脑机接口 | 第15-16页 |
| ·基于事件相关电位P300的脑机接口 | 第16-17页 |
| ·基于慢皮层电位的脑机接口 | 第17-18页 |
| ·基于视觉诱发电位的脑机接口 | 第18-20页 |
| ·多模态脑机接口 | 第20-22页 |
| 第五节 本文的章节安排 | 第22-23页 |
| 第二章 多模态BCI系统框架 | 第23-32页 |
| 第一节 结构设计 | 第23-25页 |
| 第二节 实验基本信息 | 第25-32页 |
| ·脑电信号采集设备 | 第25-26页 |
| ·电极位置选取 | 第26-28页 |
| ·视觉刺激器设计 | 第28-30页 |
| ·被试者基本信息 | 第30-31页 |
| ·实验环境 | 第31-32页 |
| 第三章 离线BCI系统设计与实现 | 第32-48页 |
| 第一节 离线数据采集 | 第32页 |
| 第二节SSVEP特征提取 | 第32-40页 |
| ·叠加平均法 | 第32-34页 |
| ·功率谱分析 | 第34-36页 |
| ·典型相关分析 | 第36-39页 |
| ·功率谱分析和典型相关分析的比较 | 第39-40页 |
| 第三节 μ节律和运动想象特征提取 | 第40-48页 |
| ·短时傅里叶变换 | 第40-42页 |
| ·基于STFT的μ节律、运动想象特征提取 | 第42-48页 |
| 第四章 在线BCI仿真机器人控制系统设计与实现 | 第48-62页 |
| 第一节 虚拟仿真平台SIGVerse | 第49-52页 |
| ·SIGVerse的提出 | 第49页 |
| ·SIGVerse仿真原理简介 | 第49-50页 |
| ·SIGVerse系统架构 | 第50-51页 |
| ·本研究中的SIGVerse环境 | 第51-52页 |
| 第二节 数据通信 | 第52-55页 |
| ·TCP/IP通信协议 | 第53页 |
| ·基于TCP/IP的Socket通信 | 第53-55页 |
| 第三节 基于CCA的SSVEP在线分类 | 第55-56页 |
| 第四节 仿真机器人运动算法设计 | 第56页 |
| 第五节 仿真平台下的实验验证 | 第56-62页 |
| ·实验准备 | 第56-57页 |
| ·实验任务 | 第57-59页 |
| ·实验结果分析 | 第59-62页 |
| 第五章 在线BCI实体机器人控制系统设计与实现 | 第62-69页 |
| 第一节 实验平台和实验流程 | 第62-66页 |
| ·NAO机器人 | 第62-64页 |
| ·实验任务 | 第64-65页 |
| ·基于计算机视觉定位的抓取任务 | 第65-66页 |
| 第二节 实验结果分析 | 第66-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 第一节 全文总结 | 第69-70页 |
| 第二节 工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第77页 |
