| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 脑-机接口 | 第11-16页 |
| 1.1.1 脑-机接口的组成 | 第11-13页 |
| 1.1.2 脑-机接口的分类 | 第13-16页 |
| 1.2 基于SSVEP的脑-机接口系统研究现状 | 第16-18页 |
| 1.3 论文的主要研究内容和结构 | 第18-21页 |
| 第2章 基于稳态视觉诱发电位的脑电实验设计 | 第21-29页 |
| 2.1 视觉刺激模块的设计 | 第21-23页 |
| 2.1.1 视觉刺激设备 | 第21页 |
| 2.1.2 视觉刺激的频率 | 第21-22页 |
| 2.1.3 视觉刺激界面 | 第22-23页 |
| 2.2 脑电信号采集系统 | 第23-24页 |
| 2.3 实验方案 | 第24-25页 |
| 2.3.1 受试者 | 第24页 |
| 2.3.2 实验范式 | 第24-25页 |
| 2.4 SSVEP信号数据集 | 第25-26页 |
| 2.5 本章小结 | 第26-29页 |
| 第3章 基于局部时间信息的SSVEP-BCI频率识别算法 | 第29-45页 |
| 3.1 基于CCA的频率识别方法 | 第29-30页 |
| 3.2 基于局部时间信息的CCA算法 | 第30-32页 |
| 3.2.1 基于局部时间信息的CCA算法原理 | 第30-31页 |
| 3.2.2 局部时间范围的选取 | 第31-32页 |
| 3.3 TCCA与CCA对比实验的结果 | 第32-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于SSVEP信号特性的多子带算法 | 第45-61页 |
| 4.1 基于FBCCA的频率识别算法 | 第45页 |
| 4.2 基于FBTCCA的频率识别算法 | 第45-49页 |
| 4.2.1 基于FBTCCA的频率识别算法原理 | 第45-47页 |
| 4.2.2 FBTCCA算法的参数优化及选取 | 第47-49页 |
| 4.3 FBTCCA与FBCCA对比实验的结果 | 第49-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第5章 基于多元经验模式分解的频率识别算法 | 第61-71页 |
| 5.1 多元经验模式分解的原理 | 第61-62页 |
| 5.2 基于MSI的频率识别算法 | 第62-63页 |
| 5.3 基于GS-MEMD的频率识别算法 | 第63-68页 |
| 5.3.1 GS-MEMD算法原理 | 第63-64页 |
| 5.3.2 有效IMF的筛选 | 第64-68页 |
| 5.4 三种算法对比实验的结果 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 硕士期间发表的学术成果 | 第81页 |
| 硕士期间获得的奖励 | 第81-82页 |
| 学位论文评阅及答辩情况表 | 第82页 |