| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 2. 系统结构与实验设计 | 第15-18页 |
| 2.1 基于MI的异步在线BCI系统构成 | 第15-16页 |
| 2.2 被试对象和实验环境 | 第16页 |
| 2.3 实验范式设计 | 第16-17页 |
| 2.4 实验使用设备及软件 | 第17-18页 |
| 3. 空闲与任务态的检测算法研究 | 第18-36页 |
| 3.1 数据预处理 | 第20-24页 |
| 3.2 基于能量阈值的空闲态检测算法 | 第24-26页 |
| 3.3 基于CSP的空闲与任务态检测算法 | 第26-28页 |
| 3.3.1 CSP特征提取算法 | 第26-27页 |
| 3.3.2 LDA分类算法 | 第27页 |
| 3.3.3 基于CSP的空闲与任务态识别 | 第27-28页 |
| 3.3.4 小结 | 第28页 |
| 3.4 基于三类CSP的空闲态检测算法 | 第28-35页 |
| 3.4.1 SVM算法 | 第29页 |
| 3.4.2 多类CSP算法 | 第29-34页 |
| 3.4.3 基于多类CSP的空闲与任务态检测识别结果 | 第34-35页 |
| 3.4.4 小结 | 第35页 |
| 3.5 小结 | 第35-36页 |
| 4. 异步在线BCI系统通道的优化 | 第36-48页 |
| 4.1 蚁群算法基本原理 | 第36-37页 |
| 4.2 二进制蚁群算法 | 第37-40页 |
| 4.3 基于二进制蚁群算法的电极通道优化 | 第40-47页 |
| 4.3.1 算法流程设计 | 第40-41页 |
| 4.3.2 二进制蚁群算法通道优化 | 第41-47页 |
| 4.4 小结 | 第47-48页 |
| 5. 异步在线BCI机器人导航系统构建 | 第48-64页 |
| 5.1 系统总体结构设计 | 第48页 |
| 5.2 系统工作模式设计 | 第48-50页 |
| 5.3. 异步实时在线脑机接口系统实现 | 第50-57页 |
| 5.3.1 异步实时在线脑机接口系统总体设计 | 第50-53页 |
| 5.3.2 采集模块和分析模块的通信 | 第53-54页 |
| 5.3.3 分析系统中的线程 | 第54-55页 |
| 5.3.4 C | 第55-56页 |
| 5.3.5 在线BCI系统与先锋机器人通信 | 第56-57页 |
| 5.4 系统训练与测试 | 第57-64页 |
| 5.4.1 模型训练 | 第57-60页 |
| 5.4.2 模拟在线测试 | 第60-61页 |
| 5.4.3 异步在线BCI系统控制机器人测试 | 第61-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 个人简历、硕士学习期间发表的论文 | 第70页 |