| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 基于生物电信号的人机交互技术 | 第11页 |
| 1.3 多通道交互技术 | 第11-12页 |
| 1.4 基于眼电信号的人机交互研究现状 | 第12-13页 |
| 1.5 基于脑电信号的人机交互研究现状 | 第13-15页 |
| 1.6 本文研究内容 | 第15-17页 |
| 第2章 人机交互系统信号采集设备 | 第17-22页 |
| 2.1 设备组成及使用 | 第17-18页 |
| 2.2 信号获取方法 | 第18-20页 |
| 2.3 设备优势 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于Emotiv EPOC+的眼动信号分析识别 | 第22-34页 |
| 3.1 眼电信号 | 第22-24页 |
| 3.1.1 眼电信号产生机制 | 第22页 |
| 3.1.2 离线眼电信号采集 | 第22-24页 |
| 3.2 眼动信号预处理 | 第24-27页 |
| 3.2.1 中值滤波 | 第24-25页 |
| 3.2.2 电极选择 | 第25-26页 |
| 3.2.3 眼动检测 | 第26-27页 |
| 3.3 眼动信号特征提取 | 第27-31页 |
| 3.3.1 归一化 | 第27-28页 |
| 3.3.2 自适应阈值 | 第28-29页 |
| 3.3.3 符号化特征 | 第29-31页 |
| 3.4 眼动信号模式分类 | 第31-32页 |
| 3.4.1 特征匹配方法 | 第31-32页 |
| 3.4.2 离线眼动信号识别率 | 第32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 运动想象脑电信号分析识别 | 第34-56页 |
| 4.1 运动想象脑电信号特征 | 第34-35页 |
| 4.2 小波理论 | 第35-38页 |
| 4.2.1 小波变换 | 第35-37页 |
| 4.2.2 小波包变换 | 第37-38页 |
| 4.3 运动想象脑电信号预处理 | 第38-40页 |
| 4.3.1 实验数据 | 第38-39页 |
| 4.3.2 信号频段选择 | 第39-40页 |
| 4.3.3 电极放置与选择 | 第40页 |
| 4.4 运动想象脑电信号特征提取 | 第40-47页 |
| 4.4.1 功率谱估计 | 第41-42页 |
| 4.4.2 短时能量 | 第42-43页 |
| 4.4.3 累积能量 | 第43-45页 |
| 4.4.4 特征降维 | 第45-47页 |
| 4.5 基于BP神经网络的模式分类算法 | 第47-52页 |
| 4.5.1 标准BP神经网络算法 | 第47-50页 |
| 4.5.2 神经网络参数选择 | 第50-51页 |
| 4.5.3 离线运动想象脑电信号识别结果分析 | 第51-52页 |
| 4.6 脑-机接口数据评价标准 | 第52-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 基于Emotiv EPOC+的人机交互系统研究 | 第56-66页 |
| 5.1 人机交互系统的硬件部分 | 第56-57页 |
| 5.1.1 NAO机器人平台介绍 | 第56-57页 |
| 5.2 信号在线识别测试 | 第57-60页 |
| 5.2.1 眼电信号实时采集 | 第57页 |
| 5.2.2 脑电信号实时采集 | 第57-58页 |
| 5.2.3 信号在线识别率分析 | 第58-59页 |
| 5.2.4 眼电信号与脑电信号模式编码 | 第59-60页 |
| 5.3 人机交互软件部分 | 第60-63页 |
| 5.3.1 交互控制界面设计 | 第60页 |
| 5.3.2 基于NAOqi的机器人软件设计 | 第60-62页 |
| 5.3.3 基于Python的通信程序设计 | 第62页 |
| 5.3.4 各软件之间的通信 | 第62-63页 |
| 5.4 多通道人机交互系统测试 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 论文总结 | 第66-67页 |
| 6.2 论文展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-77页 |
| 附录1 信号实时采集程序 | 第72页 |
| 附录2 MATLAB部分信号处理程序 | 第72-75页 |
| 附录3 NAO机器人动作实时控制程序 | 第75-77页 |
| 致谢 | 第77-78页 |
| 在学期间公开发表论文及著作情况 | 第78页 |