| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·脑-机接口的概述 | 第8-12页 |
| ·脑-机接口的基本概念及研究意义 | 第8-9页 |
| ·脑-机接口系统的组成及关键技术 | 第9-11页 |
| ·脑-机接口的分类 | 第11-12页 |
| ·脑-机接口的研究现状 | 第12-15页 |
| ·脑电信号的介绍 | 第12-13页 |
| ·虚拟仪器-LabVIEW 的特点及其应用 | 第13-14页 |
| ·国内外研究现状及存在的问题 | 第14-15页 |
| ·本文研究目的及研究内容 | 第15-17页 |
| ·研究目的 | 第15-16页 |
| ·主要研究内容 | 第16-17页 |
| 2 基于运动想象 BCI 的研究基础 | 第17-25页 |
| ·运动想象的定义与研究意义 | 第17-18页 |
| ·运动想象的定义 | 第17页 |
| ·运动想象的研究意义 | 第17-18页 |
| ·大脑的结构与功能区划分 | 第18-21页 |
| ·事件相关同步/去同步电位 | 第21-23页 |
| ·事件相关同步/去同步的概念 | 第21-22页 |
| ·ERD/ERS 的表征和量化方法 | 第22-23页 |
| ·基于运动想象的脑-机接口系统与ERD/ERS | 第23-25页 |
| 3 左右手运动想象脑电的特征提取 | 第25-35页 |
| ·引言 | 第25页 |
| ·运动想象脑电信号的预处理 | 第25-27页 |
| ·左右手运动想象脑电特征提取方法简介 | 第27-29页 |
| ·常见运动想象脑电的特征提取方法 | 第27-28页 |
| ·现有特征提取方法的不足 | 第28-29页 |
| ·基于时域的特征提取方法 | 第29-30页 |
| ·时域滑动窗二阶矩特征提取方法 | 第29-30页 |
| ·时域局部阈值优化方法 | 第30页 |
| ·基于频域功率谱的特征提取方法 | 第30-35页 |
| ·经典功率谱分析 | 第31-32页 |
| ·现代功率谱分析 | 第32-35页 |
| 4 左右手运动想象脑电的模式识别 | 第35-41页 |
| ·引言 | 第35页 |
| ·线性判别分类算法 | 第35-38页 |
| ·LDA 分类基本原理 | 第35-36页 |
| ·Mahalanobis 距离分类算法 | 第36-37页 |
| ·基于Fisher 准则的线性分类算法 | 第37-38页 |
| ·基于概率模型的Bayes 分类算法 | 第38-41页 |
| ·Bayes 决策理论 | 第38-39页 |
| ·基于概率模型的Bayes 决策 | 第39-41页 |
| 5 基于左右手运动想象 BCI 的实验研究 | 第41-62页 |
| ·引言 | 第41页 |
| ·实验数据获取方法 | 第41-42页 |
| ·脑电信号采集系统 | 第42-44页 |
| ·系统组成及要求 | 第42页 |
| ·Active One 生理信号采集系统简介 | 第42-44页 |
| ·左右手运动想象系统构建 | 第44-62页 |
| ·人机交互界面—视觉刺激器的设计 | 第44-48页 |
| ·运动想象脑电信号特征的离线提取 | 第48-56页 |
| ·运动想象脑电信号的离线分类判别 | 第56-58页 |
| ·特征提取由离线向在线的转化 | 第58-62页 |
| 6 结论与展望 | 第62-65页 |
| ·全文总结 | 第62-64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 作者在攻读硕士学位期间参加的课题和发表的论文 | 第69页 |