| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·BCI技术概述 | 第11-12页 |
| ·BCI技术背景简介 | 第11页 |
| ·BCI基本概念 | 第11-12页 |
| ·BCI系统的组成 | 第12页 |
| ·BCI的研究方向及其研究现状 | 第12-14页 |
| ·课题的研究意义 | 第14-15页 |
| ·本文的主要内容结构 | 第15-17页 |
| 第2章 BCI系统的研究背景 | 第17-29页 |
| ·引言 | 第17页 |
| ·BCI系统基本原理 | 第17-20页 |
| ·BCI接口的系统组成 | 第17-19页 |
| ·BCI系统的基本原理 | 第19-20页 |
| ·EEG的分类 | 第20-27页 |
| ·不同节律的自发EEG | 第20-21页 |
| ·自发EEG的alpha节律 | 第21-22页 |
| ·不同状态的诱发EEG | 第22页 |
| ·稳态视觉诱发电位 | 第22-23页 |
| ·运动想象EEG信号的生理基础 | 第23-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于SSVEP的BCI系统在虚拟现实中的应用 | 第29-51页 |
| ·引言 | 第29页 |
| ·SSVEP实验介绍 | 第29-31页 |
| ·SSVEP信号分析 | 第29-30页 |
| ·SSVEP实验描述 | 第30-31页 |
| ·基于ICA的EEG信号去噪 | 第31-35页 |
| ·ICA的定义及线性模型 | 第31-34页 |
| ·ICA判据 | 第34页 |
| ·EEG信号的ICA处理 | 第34-35页 |
| ·基于FFT和小波变换的SSVEP研究 | 第35-46页 |
| ·FFT变换原理 | 第35-37页 |
| ·小波变换介绍 | 第37-41页 |
| ·基于小波和FFT的SSVEP实验结果分析 | 第41-46页 |
| ·SSVEP的编码方式 | 第46-48页 |
| ·传统SSVEP编码方式 | 第46-47页 |
| ·相-频编码 | 第47-48页 |
| ·基于SSVEP的BCI系统虚拟现实设计 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 基于Alpha阻断控制智能假肢的BCI系统设计 | 第51-69页 |
| ·引言 | 第51页 |
| ·Alpha波控制原理 | 第51-52页 |
| ·Emotiv设备介绍 | 第52-53页 |
| ·Emotiv设备及其数据介绍 | 第52-53页 |
| ·Emotiv下的Alpha波阻断 | 第53页 |
| ·Emotiv的EEG信号预处理 | 第53-60页 |
| ·巴特沃斯带通滤波设计 | 第54-55页 |
| ·基于小波变换的去噪方法 | 第55-57页 |
| ·基于小波变换的脑电节律分解 | 第57-60页 |
| ·Alpha波阻断的特征提取 | 第60-62页 |
| ·基于SimMechanics仿真的alpha波阻断控制 | 第62-67页 |
| ·SimMechanics简介 | 第62-63页 |
| ·基于SimMechanics的机械腿设计 | 第63-64页 |
| ·Alpha波阻断控制机械腿 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第5章 基于运动想象控制智能假肢的BCI系统设计 | 第69-93页 |
| ·数据描述及预处理 | 第69-72页 |
| ·EEG信号特征提取算法 | 第72-82页 |
| ·基于AR模型估计的特征提取 | 第73-76页 |
| ·基于小波变换的特征提取 | 第76-78页 |
| ·基于EMD的特征提取方法 | 第78-82页 |
| ·脑电分类器设计 | 第82-90页 |
| ·脑电分类器设计 | 第82-83页 |
| ·Fisher线性判别分析与设计 | 第83-87页 |
| ·支持向量机 | 第87-90页 |
| ·运动想象分类结果分析 | 第90-91页 |
| ·本章小结 | 第91-93页 |
| 第6章 总结与展望 | 第93-95页 |
| ·结论 | 第93-94页 |
| ·问题与展望 | 第94-95页 |
| 参考文献 | 第95-101页 |
| 致谢 | 第101页 |
