脑—机接口及其信号的单次提取
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 绪言 | 第10-12页 |
| 1 脑-机接口技术 | 第12-28页 |
| ·脑电信号 | 第12-13页 |
| ·脑-机接口技术 | 第13-16页 |
| ·脑-机接口的通信载体 | 第16-18页 |
| ·脑-机接口中的信号处理与模式识别技术 | 第18-20页 |
| ·脑-机接口技术研究进展 | 第20-26页 |
| ·脑-机接口技术面临的挑战 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 2 脑控拼写装置的设计 | 第28-36页 |
| ·模拟自然阅读诱发电位模式 | 第29页 |
| ·脑控拼写装置工作原理 | 第29-30页 |
| ·虚拟键盘的设计 | 第30-33页 |
| ·通信速率分析 | 第33-34页 |
| ·脑控拼写装置系统组成框图 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 脑-机接口信号的特征选择与增强 | 第36-62页 |
| ·特征提取与选择 | 第36-37页 |
| ·BCI 载体信号的谱分析 | 第37-39页 |
| ·用小波方法对EEG 信号中特征增强 | 第39-45页 |
| ·用自回归模型去除自发脑电噪声 | 第45-49页 |
| ·用独立分量分析方法提取VEP 中的N2 成分 | 第49-61页 |
| ·本章小结 | 第61-62页 |
| 4 基于支持向量机的BCI 载体分类算法研究 | 第62-83页 |
| ·机器学习问题及其表示 | 第62-64页 |
| ·统计学习理论 | 第64-69页 |
| ·支持向量机 | 第69-80页 |
| ·BCI 载体信号分类算法的实现 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 5 脑-机接口载体信号的单次提取 | 第83-119页 |
| ·实验过程与信号的预处理 | 第84-85页 |
| ·以P3 成分为特征的诱发电位单次提取 | 第85-91页 |
| ·单通道脑电信号中诱发电位的单次提取 | 第91-96页 |
| ·以N2 成分为特征的单次提取 | 第96-99页 |
| ·通道的选择对单次提取精度的影响 | 第99-103页 |
| ·时程、时段的选择对诱发脑电单次提取精度的影响 | 第103-107页 |
| ·用通道间叠加平均实现诱发脑电的单次提取 | 第107-112页 |
| ·用多通道特征组合实现诱发脑电的单次提取 | 第112-118页 |
| ·本章小结 | 第118-119页 |
| 6 总结与展望 | 第119-121页 |
| ·本文总结 | 第119-120页 |
| ·未来工作展望 | 第120-121页 |
| 参考文献 | 第121-126页 |
| 致谢 | 第126-127页 |
| 附录1 攻读学位期间发表(或完成)论文目录 | 第127页 |
