- 文献综述（或调研报告）：
文献综述
[摘要]：本文通过查阅大量的文献资料，深入了解了EOG相关的研究背景、研究现状以及研究方法，并分析和总结了各种用EOG数据提取眼动特征（如眨眼、眼跳等）的方法之优劣，为后续对EOG信号的处理与分析奠定了基础。
[关键词]：EOG信号，眼动，特征提取
一、EOG信号的研究背景：
EOG信号是非常有用的电生理信号之一，它可以检测眼睛位置的变化，从而提供有关人眼活动的信息。它是由角膜和眼底之间的电位差产生的，被称为“角膜视网膜电位（CRP）[1]。这种电位差来自视网膜中大量电活动神经的存在，这些电活动神经可以被认为是稳定的电偶极子，在角膜上有正极，在视网膜上有负极。由于与其他电生理信号相比，它的信噪比（SNR）相对较大，其幅度范围在15至200 micro;V之间，并且其幅度与眼睛移动角度之间呈线性关系，因此EOG信号是眼动分类系统的理想信号[2]。
当前，许多研究正在研究使残疾人和老年人与机器或计算机进行有效通信的方法。根据用户的能力，已经提出了不同类型的人机接口，例如基于语音的语音识别和表面肌电图，嘴唇运动控制系统等[3]。而眼电（EOG）信号是在人机接口（HCI）中最出色的接口之一。它面对于肌萎缩性侧索硬化症（ALS）患者非常有用[4]。 ALS患者可能会丧失口头和手部动作能力；然而，它们的眼球运动功能通常保持相对完好，并成为交流的最后方式。
EOG信号已成功并广泛用于生物医学和康复工程应用中，尤其是在HCI中。在过去的二十年中，已经开发出许多有效的HCI，例如计算机光标控制，计算机动画应用程序，家庭自动化，多任务小工具控制，电动轮椅控制，移动机器人控制，医院报警系统等[5]，他们都是基于眼睛的活动识别运动。因此，EOG信号的研究有着非常广阔的前景。
二、EOG信号的研究方法：
2.1预处理
EOG数据本质上是嘈杂的，为了增加信噪比，使用低通滤波器对信号进行滤波。当滤波器的截止频率降低时，信噪比会增加，特征检测变得更加容易[6]。但是，这种沉重的低通滤波会平滑眼睛的运动信号，从而导致时间参数失真。因此，为了更精确地计算时间值，原始信号也应该用另一个具有更高截止频率的滤波器进行滤波。因此，首先用带通滤波器对EOG信号进行滤波预处理[7]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
