第1章 绪论 1
1.1 脑机接口研究背景 1
1.2 脑机接口发展概述 1
1.2.1 发展史及定义 1
1.2.2 研究意义 5
1.3 脑机接口系统简介 8
1.4 脑机接口研究方法 9
1.4.1 根据脑电信号的采集方法进行分类 10
1.4.2 根据生理电信号进行分类 10
1.5 与驾驶行为有关的脑电研究现状 12
1.5.1 研究的方法及意义 12
1.5.2 研究中实验设计与分析 13
1.6 本书研究内容 15
第2章 基于运动想象的脑机接口研究基础 17
2.1 脑电信号生理特点 17
2.1.1 脑电产生机理 17
2.1.2 脑电特点 18
2.1.3 脑电分类 19
2.1.4 脑电处理方法分析 20
2.2 运动想象脑电信号 20
2.2.1 大脑的结构及分区 20
2.2.2 想象脑电的特点 25
2.3 本章小结 27
第3章 基于想象驾驶行为的脑电实验采集及预处理 28
3.1 研究方案 28
3.1.1 虚拟环境的设计 29
3.1.2 实验设备介绍 31
3.1.3 受试者的选取 34
3.1.4 其他注意事项 34
3.2 脑电的预处理 35
3.2.1 脑电数据预处理 35
3.2.2 基于脑电地形图驾驶脑电的分析 36
3.2.3 相关电极C3、C4的EEG信号预处理后的结果 39
3.3 本章小结 42
第4章 驾驶脑电的特征分析研究 43
4.1 脑电信号的特征分析方法 43
4.1.1 概述 43
4.1.2 DSP特征提取算法分析 44
4.1.3 邻域空间模式算法（NSP）分析 46
4.2 傅里叶变换与功率谱 48
4.2.1 算法分析 48
4.2.2 结果与分析 50
4.3 公共空间模式CSP算法的特征提取 55
4.3.1 CSP滤波 55
4.3.2 降维处理 57
4.4 CSP算法在频域、时域内的特征提取结果及比较分析 60
4.4.1 频域特征提取结果 60
4.4.2 时域特征提取结果 63
4.5 本章小结 65
第5章 驾驶脑电的分类方法研究 67
5.1 概述 67
5.2 线性判别分析 67
5.3 小波变换 69
5.3.1 小波变换理论 69
5.3.2 短时傅里叶变换 70
5.3.3 连续小波变换 70
5.3.4 离散小波变换 71
5.3.5 多分辨率分析 72
5.3.6 Mallat快速算法 72
5.4 BP神经网络分类器 74
5.5 支持向量机SVM 75
5.5.1 算法研究 75
5.5.2 分类结果 78
5.6 线性回归分类算法 79
5.6.1 算法研究 79
5.6.2 分类结果 80
5.7 比较与讨论 82
5.8 本章小结 82
第6章 基于语音识别技术的BCI车辆辅助控制模型 83
6.1 语音识别技术 83
6.2 基于语音识别的BCI智能小车控制方案 83
6.2.1 系统总体方案 83
6.2.2 系统硬件设计与实现 84
6.2.3 系统软件设计与实现 87
6.3 其他语音识别控制接口介绍 90
6.3.1 基于Google Speech语音识别的控制技术 90
6.3.2 多姿态变换声控轮椅 91
6.4 本章小结 92
第7章 总结与展望 93
附录 95
附录1近几年国内部分相关论文简介 95
附录2近几年国际部分相关论文简介 108
参考文献 113