EOG信号的特征提取与识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·人机交互的发展趋势 | 第9-12页 |
| ·文章主要内容 | 第12页 |
| ·章节安排 | 第12-14页 |
| 第二章 EOG信号概述 | 第14-18页 |
| ·生物电信号 | 第14页 |
| ·EOG信号基础知识 | 第14-17页 |
| ·产生机理 | 第14-15页 |
| ·眼动检测方法 | 第15-16页 |
| ·EOG信号分类 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 EOG数据采集平台设计 | 第18-26页 |
| ·EOG数据采集方法 | 第18-21页 |
| ·电极介绍 | 第18-19页 |
| ·贴放位置设计 | 第19-21页 |
| ·采集平台介绍 | 第21-26页 |
| ·信号采集设备 | 第21-24页 |
| ·采集模块软件实现 | 第24-26页 |
| 第四章 特征提取与模式识别算法 | 第26-56页 |
| ·采集实验设计 | 第26-28页 |
| ·实验设计 | 第26-28页 |
| ·注意事项 | 第28页 |
| ·数据预处理 | 第28-36页 |
| ·滤波 | 第28-30页 |
| ·端点检测 | 第30-36页 |
| ·扫视信号特征提取 | 第36-43页 |
| ·LPC系数 | 第36-39页 |
| ·ΔLPC系数 | 第39-40页 |
| ·极值特征 | 第40-41页 |
| ·参数有效性分析 | 第41-43页 |
| ·BP神经网络 | 第43-45页 |
| ·EOG信号模式识别 | 第45-54页 |
| ·眨眼信号分类 | 第45-47页 |
| ·扫视信号模式识别 | 第47-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 基于EOG的机械手臂控制系统 | 第56-63页 |
| ·伺服机械手臂 | 第56-58页 |
| ·系统设计与实现 | 第58-63页 |
| ·软件流程 | 第58-59页 |
| ·系统运行 | 第59-63页 |
| 第六章 总结与展望 | 第63-66页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附图表 | 第70-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74-75页 |
