| 摘要 | 第1-7页 |
| ABSTRACT（英文摘要） | 第7-10页 |
| 目录 | 第10-13页 |
| 主要符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-32页 |
| ·课题产生背景及意义 | 第14-16页 |
| ·脑电信号研究基础 | 第16-21页 |
| ·脑电信号产生及特点 | 第16-18页 |
| ·脑电信号的分类 | 第18页 |
| ·脑电信号的记录 | 第18-19页 |
| ·脑电信号主要成分 | 第19-20页 |
| ·脑电信号分析方法 | 第20-21页 |
| ·脑机接口研究现状及挑战 | 第21-30页 |
| ·脑机接口的定义 | 第21-22页 |
| ·脑机接口的研究现状 | 第22-28页 |
| ·脑机接口的挑战 | 第28-30页 |
| ·本文章节安排和研究内容 | 第30-32页 |
| 第二章 张量分析理论 | 第32-40页 |
| ·张量及其基本运算 | 第32-35页 |
| ·张量分解 | 第35-38页 |
| ·CANDECOMP-PARAFAC分解 | 第36-37页 |
| ·TUCKER分解 | 第37-38页 |
| ·张量分析特点 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 脑电幅值信息的多模态分析 | 第40-74页 |
| ·脑电信号张量特征分析 | 第40-44页 |
| ·总体框架 | 第40页 |
| ·脑电幅值信息的张量表征 | 第40-43页 |
| ·张量特征空间投影 | 第43页 |
| ·支持向量机分类 | 第43-44页 |
| ·基于非负张量分解的脑电信号单次实验数据分类方法 | 第44-51页 |
| ·非负张量分解 | 第44-47页 |
| ·计算模型 | 第47-48页 |
| ·实验数据分析与结果 | 第48-51页 |
| ·基于判别张量分解的脑电信号单次实验数据分类方法 | 第51-63页 |
| ·方法的框架与流程 | 第52页 |
| ·判别张量分解 | 第52-55页 |
| ·Fisher Score特征选择 | 第55-56页 |
| ·实验数据分析与结果 | 第56-63页 |
| ·基于正则张量分析的脑电信号单次实验数据分类方法 | 第63-73页 |
| ·方法的框架与流程 | 第64-65页 |
| ·正则张量分解 | 第65-66页 |
| ·实验数据分析与讨论 | 第66-73页 |
| ·本章小结 | 第73-74页 |
| 第四章 脑电相位信息的多模态分析 | 第74-87页 |
| ·研究背景 | 第74-76页 |
| ·脑功能整合、神经集合与相位同步 | 第74-75页 |
| ·脑机接口中脑电相位特征研究现状 | 第75-76页 |
| ·相位锁定值和相位同步 | 第76-77页 |
| ·相位间隔值 | 第77-79页 |
| ·基于张量提取相位特征的脑电信号单次实验数据分类方法 | 第79-82页 |
| ·方法的框架与流程 | 第80页 |
| ·有序的PARAFAC算法 | 第80-82页 |
| ·实验数据分析与结果 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 第五章 在线BCI系统设计与实现 | 第87-111页 |
| ·系统设计 | 第87-89页 |
| ·设计原理 | 第87页 |
| ·系统框架 | 第87-88页 |
| ·系统创新 | 第88-89页 |
| ·系统方法实现 | 第89-100页 |
| ·脑电信号采集 | 第89-90页 |
| ·脑电信号预处理 | 第90-93页 |
| ·基于独立分量分析的噪声去除 | 第90-93页 |
| ·基于多模态参数优化的信号增强 | 第93页 |
| ·特征提取和模式分类 | 第93-96页 |
| ·鲁棒的控制策略 | 第96-97页 |
| ·多模态可视化分析 | 第97-100页 |
| ·系统应用 | 第100-107页 |
| ·交互训练系统 | 第100-106页 |
| ·虚拟场景下的在线游戏 | 第106-107页 |
| ·现实环境下的遥控小车控制 | 第107页 |
| ·系统性能分析与讨论 | 第107-109页 |
| ·本章小结 | 第109-111页 |
| 第六章 总结与展望 | 第111-115页 |
| ·本文主要工作及创新点 | 第111-112页 |
| ·工作展望 | 第112-115页 |
| 参考文献 | 第115-125页 |
| 致谢 | 第125-126页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第126-130页 |
| 上海交通大学博士学位论文答辩决议书 | 第130页 |