基于便携式脑电采集设备的机械臂控制系统
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 脑机接口概述 | 第9-12页 |
| 1.2.1 脑机接口系统中的脑电信号 | 第9-10页 |
| 1.2.2 脑机接口的组成及工作原理 | 第10-12页 |
| 1.3 国内外同类课题研究现状 | 第12-16页 |
| 1.3.1 基于P300波的脑机接口系统 | 第12-13页 |
| 1.3.2 基于运动想象的脑机接口系统 | 第13-14页 |
| 1.3.3 基于眨眼脑电波的脑机接口系统 | 第14-15页 |
| 1.3.4 三种BCI系统比较 | 第15页 |
| 1.3.5 脑机接口技术难题 | 第15-16页 |
| 1.4 本文主要研究内容及章节安排 | 第16-17页 |
| 第二章 系统可行性分析 | 第17-22页 |
| 2.1 采集设备的研究和选型 | 第17-19页 |
| 2.2 眨眼事件对人脑思维活动的影响 | 第19-20页 |
| 2.3 眨眼事件对EEG的影响 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 脑电信号处理的数学基础 | 第22-35页 |
| 3.1 信号分析和处理方法 | 第22-29页 |
| 3.1.1 快速傅里叶变换 | 第22-24页 |
| 3.1.2 小波变换 | 第24-26页 |
| 3.1.3 功率谱估计 | 第26-29页 |
| 3.2 特征分类和识别方法 | 第29-34页 |
| 3.2.1 k近邻法 | 第29-30页 |
| 3.2.2 判别分析 | 第30-31页 |
| 3.2.3 BP神经网络 | 第31-33页 |
| 3.2.4 SVM | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 眨眼脑电信号的分析和识别 | 第35-46页 |
| 4.1 数据源 | 第35页 |
| 4.2 噪声分析及去除 | 第35-37页 |
| 4.3 眨眼脑电信号的特征选择和提取 | 第37-39页 |
| 4.4 眨眼特征的分类识别 | 第39-45页 |
| 4.4.1 使用KNN进行眨眼特征分类 | 第39-40页 |
| 4.4.2 使用判别分析进行眨眼特征分类 | 第40-41页 |
| 4.4.3 使用BP神经网络进行眨眼特征分类 | 第41-43页 |
| 4.4.4 使用SVM进行眨眼特征分类 | 第43-45页 |
| 4.4.5 四种分类方法 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于便携式脑电采集设备的机械臂控制系统 | 第46-60页 |
| 5.1 采集部分 | 第46-47页 |
| 5.2 信号分析识别部分 | 第47-48页 |
| 5.3 运动执行部分 | 第48-51页 |
| 5.4 机械部分 | 第51-53页 |
| 5.5 BCI软件系统集成Matlab函数 | 第53-57页 |
| 5.6 软件系统流程设计 | 第57-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文主要完成工作 | 第60页 |
| 6.2 主要创新点 | 第60页 |
| 6.3 不足及改进设想 | 第60-61页 |
| 6.4 未来工作和展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
| 致谢 | 第66页 |
