基于稳态视觉诱发电位的脑机接口系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 脑机接口的基本理论和研究意义 | 第11-17页 |
| 1.2.1 脑机接口的定义 | 第11-12页 |
| 1.2.2 脑机接口的基本结构 | 第12-14页 |
| 1.2.3 脑机接口的类型 | 第14-16页 |
| 1.2.4 脑机接口的研究意义 | 第16-17页 |
| 1.3 本论文的内容安排 | 第17-19页 |
| 1.3.1 工作的难点 | 第17页 |
| 1.3.2 工作的重点 | 第17-18页 |
| 1.3.3 主要研究内容 | 第18-19页 |
| 第2章 基于SSVEP的脑机接口 | 第19-25页 |
| 2.1 稳态视觉诱发电位概述 | 第19-22页 |
| 2.1.1 脑电信号概述 | 第19-20页 |
| 2.1.2 SSVEP的定义及特性 | 第20-21页 |
| 2.1.3 国内外的研究现状 | 第21-22页 |
| 2.2 基于SSVEP的BCI的优势 | 第22-23页 |
| 2.3 基于SSVEP的BCI的挑战 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 SSVEP信号的特征识别 | 第25-45页 |
| 3.1 引言 | 第25页 |
| 3.2 基于经验模态分解的功率谱高斯方法 | 第25-33页 |
| 3.2.1 信号预处理 | 第25-27页 |
| 3.2.2 经验模态分解(EMD) | 第27-30页 |
| 3.2.3 功率谱密度方法(PSDA) | 第30-31页 |
| 3.2.4 高斯模型 | 第31-32页 |
| 3.2.5 比较与分析 | 第32-33页 |
| 3.3 基于典型相关性分析的方法 | 第33-39页 |
| 3.3.1 典型相关分析(CCA) | 第33-35页 |
| 3.3.2 MsetCCA | 第35-37页 |
| 3.3.3 空闲状态检测 | 第37页 |
| 3.3.4 比较与分析 | 第37-39页 |
| 3.4 数据的离线分析 | 第39-44页 |
| 3.4.1 实验数据的采集 | 第39页 |
| 3.4.2 实验参数的选择 | 第39-42页 |
| 3.4.3 方法综合比较 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于SSVEP的在线系统的实现 | 第45-62页 |
| 4.1 系统的总体结构 | 第45-46页 |
| 4.2 视觉刺激器的设计 | 第46-49页 |
| 4.2.1 视觉刺激器的选择 | 第46-47页 |
| 4.2.2 刺激参数 | 第47-49页 |
| 4.3 视觉刺激器的实现 | 第49-57页 |
| 4.3.1 DirectDraw概述 | 第49-52页 |
| 4.3.2 高精度定时器 | 第52-53页 |
| 4.3.3 帧时序 | 第53-54页 |
| 4.3.4 全屏模式下的SSVEP刺激器 | 第54-55页 |
| 4.3.5 窗口模式下的SSVEP刺激器 | 第55-57页 |
| 4.4 在线处理程序的实现 | 第57-61页 |
| 4.4.1 在线处理流程 | 第57-58页 |
| 4.4.2 多线程处理 | 第58-59页 |
| 4.4.3 系统运行效果 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 在线系统实验与结果分析 | 第62-65页 |
| 5.1 在线系统实验 | 第62-63页 |
| 5.1.1 实验设备 | 第62页 |
| 5.1.2 实验方法 | 第62-63页 |
| 5.2 实验结果与分析 | 第63-64页 |
| 5.2.1 准确率 | 第63页 |
| 5.2.2 信息传输率 | 第63-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71-72页 |
| 详细摘要 | 第72-74页 |
