脑电及眼动信号协同控制智能上肢方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 脑机接口与国内外研究现状 | 第10-13页 |
| 1.3 运动想象BCI系统存在的问题 | 第13-14页 |
| 1.3.1 预处理 | 第13-14页 |
| 1.3.2 特征提取 | 第14页 |
| 1.3.3 信号分类 | 第14页 |
| 1.4 本文研究主要内容 | 第14-16页 |
| 第2章 脑电信号和眼动信号的研究基础 | 第16-21页 |
| 2.1 脑电信号的基本原理 | 第16-19页 |
| 2.1.1 脑电机制 | 第16-17页 |
| 2.1.2 人体脑电信号的主要构成 | 第17-18页 |
| 2.1.3 国际标准电极 | 第18-19页 |
| 2.2 眼动信号基本原理 | 第19页 |
| 2.3 眼动信号采集设备的发展 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于运动想象脑电信号和眼动信号处理 | 第21-31页 |
| 3.1 BCI接口系统 | 第21-22页 |
| 3.2 脑电眼动信号采集 | 第22-23页 |
| 3.3 实验方案设计 | 第23-25页 |
| 3.4 信号预处理 | 第25-30页 |
| 3.4.1 EEG信号处理 | 第25-27页 |
| 3.4.2 小波阈值去噪 | 第27-28页 |
| 3.4.3 去噪仿真结果 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于运动想象的信号特征提取研究 | 第31-44页 |
| 4.1 EEG信号分析提取 | 第31-40页 |
| 4.1.1 EEG信号分析 | 第31-33页 |
| 4.1.2 EEG信号特征提取 | 第33-40页 |
| 4.2 采用卡尔曼滤波法的眼动信号处理 | 第40-42页 |
| 4.3 判别凝视点的判断算法 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 脑电和眼动信号的识别结果 | 第44-51页 |
| 5.1 EEG的模式识别 | 第44-47页 |
| 5.1.1 人工神经网络 | 第44-45页 |
| 5.1.2 线性判别分析 | 第45页 |
| 5.1.3 支持向量机 | 第45-47页 |
| 5.2 分类算法性能比较 | 第47-48页 |
| 5.3 脑机接口性能的改进 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
