声明
第一章 绪论
1.1 脑机接口研究背景与现状
1.1.1 脑机接口研究背景
1.1.2 脑机接口研究现状
1.2 基于肌电的人机接口研究背景和现状
1.2.1 基于肌电的人机接口研究背景
1.2.2 基于肌电的人机接口研究现状
1.3 多模态生物电人机接口研究背景和现状
1.3.1 多模态生物电人机接口研究背景
1.3.2 多模态生物电人机接口研究现状
1.4 生物电人机接口存在的问题及课题研究思路
1.4.1 系统的问题
1.4.2 课题研究思路
1.5 论文内容安排
第二章 基于生物电信号人机接口的研究基础
2.1 人机接口系统构成
2.2 脑机接口研究基础
2.2.1 EEG信号采集
2.2.2 脑电节律
2.2.3 基于EEG信号的BCI系统类型
2.2.4 信号处理算法
2.3 基于sEMG人机接口研究基础
2.3.1 EMG信号的产生
2.3.2 sEMG信号采集与处理
2.4 本章小结
第三章 基于新型特征优化技术的可穿戴式表面肌电信号人机接口
3.1 引言
3.2 采集系统电路结构
3.2.1 离线sEMG信号采集系统
3.2.2 可穿戴式sEMG信号采集系统
3.2.3 采集系统硬件测试结果分析
3.3 实验方案设计
3.4 信号预处理
3.4.1 预处理算法
3.4.2 预处理算法结果分析
3.5 特征选择及分析结果
3.5.1 特征提取
3.5.2 特征选择
3.5.3 特征分类
3.5.4 电极和特征选择算法结果分析
3.5.5 特征分类算法结果分析
3.6 基于sEMG信号的人机接口控制范式
3.6.1 控制范式
3.6.2 基于sEMG信号的可穿戴式HCI系统在线性能评估
3.7 讨论
3.7.1 基于sEMG信号的可穿戴式HCI系统设计
3.7.2 特征选择和分类
3.7.3 实时控制性能
3.7.4 系统局限性及未来工作
3.8 本章小结
第四章 基于最优化少量电极的认知行为想象脑机接口
4.1 引言
4.2 样本量确定及实验数据集描述
4.2.1 样本量确定
4.2.2 BCI系统被试者数量确定
4.2.3实验范式设计
4.2.4数据采集与数据集描述
4.3 信号预处理
4.3.1 信号预处理算法
4.3.2 特征可视化
4.3.3 信号预处理及可视化结果分析
4.3.4 ERD/S结果分析
4.4 实验方案及算法
4.4.1 CSP算法
4.4.2 传统CSP算法在EEG信号分析中的应用
4.4.3 改进的CSP算法在EEG信号分析中的应用
4.4.4 通用电极选择算法
4.4.5 基于相关性的新型DM电极选择方法
4.5 算法结果分析
4.5.1 特征提取算法结果分析
4.5.2 电极选择算法分析
4.5.3 最优电极组合选择
4.5.4最优电极组合普适性与有效性验证
4.5.5跨被试者普适性及鲁棒性分析
4.6 讨论
4.7 本章小结
第五章 多模态生物电信号对反应时间缩短情况的研究
5.1 引言
5.2 事件相关电位物理意义
5.3 实验范式设计与数据采集
5.4 EEG信号整体评估及范式选择实验结果
5.4.1 真实反应时间分析
5.4.2 ERP信号可视化结果分析
5.4.3 ERP波形分类性能评估
5.4.4 浅层神经网络分类结果
5.5 基于EEG信号的反应时间分析
5.5.1 基于滑动窗算法的反应时间确定
5.5.2 普适性最优电极组合选择
5.5.3 与实际鼠标点击反应时间对比
5.5.4基于滑动窗金字塔加权修正的无约束识别
5.6 sEMG信号分析及结果
5.6.1 可视化结果
5.6.2 不同特征向量提取方式比较
5.6.3 基于拓展时间窗的反应时间分析
5.7 讨论与本章小结
第六章 基于最大权完美匹配的多模态生物电信号人机接口
6.1 引言
6.2 深层卷积神经网络架构背景介绍
6.2.1 深层卷积神经网络架构基本组件
6.2.2 CNN的改进优化方法
6.2.3 损失目标函数
6.3 数据集描述
6.4 算法流程
6.4.1处理ERP波形的CNN网络结构
6.4.2基于最大权完美匹配的难样本选择
6.4.3 关于MWP匹配方法及损失函数对比讨论
6.5 实验结果分析
6.5.1 运行环境及参数设置
6.5.2 EEGNet与传统方法对比结果
6.5.3 MWP-EEGNet对系统性能的提升
6.5.4 基于MWP-EMG-EEGNet多模态融合结果分析
6.6 本章小结
第七章 基于多模态生物电信号的在线人机接口系统
7.1 引言
7.2 基于NeuroScan的在线人机接口系统设计
7.2.1 基础模块
7.2.2 在线系统整体框架
7.2.3 在线实验方法
7.2.4 在线信号处理及结果分析
7.3 便携式多功能生物电采集系统
7.3.1 硬件电路设计
7.3.2 硬件采集系统测试结果
7.3.3 软件平台设计
7.3.4 数据分析算法
7.3.5 软件平台结果测试
7.3.6 基于PSUEEG平台的虚拟智能轮椅系统
7.4 本章小结
第八章 总结与展望
8.1 总结
8.2 展望
参考文献
附录
A 主要代码流程及执行结果
致谢
作者简介
东南大学;
