第一篇 脑电信号分析方法 3
第1章 绪论 3
1.1 脑电信号的研究历史 5
1.2 脑电信号研究中存在的主要问题 7
1.3 EEG研究与教育教学发展相互促进 7
1.3.1 教育教学发展促进EEG研究 7
1.3.2 EEG研究促进了教育教学的发展 8
参考文献 9
第2章 EEG信号 11
2.1 脑电图 11
2.2 EEG信号的产生 11
2.3 EEG信号的分类 12
2.3.1 BCI使用的脑电信号类型 12
2.3.2 脑电在国际上的分类 15
2.4 EEG信号的特点 18
2.5 EEG信号的获取 20
2.5.1 脑电图仪与导联方式 20
2.5.2 EEG信号获取 25
2.5.3 影响脑电图的因素 26
2.6 脑电图干扰和噪声原因分析 28
2.6.1 什么是伪迹 28
2.6.2 引起伪迹的因素 28
2.7 去除伪迹的方法 30
2.7.1 脑电图造成伪迹的去除 30
2.7.2 伪迹去除方法分类 31
2.7.3 消噪预处理方法难以有突破性发展的原因 34
2.8 EEG信号的应用领域 35
参考文献 36
第3章 脑模型与脑电的正问题、逆问题 37
3.1 脑电正问题 37
3.2 脑电逆问题 37
3.2.1 脑电逆问题 37
3.2.2 脑电逆问题解决的核心思想 38
3.2.3 脑电逆问题难点及解决办法 41
参考文献 42
第4章 EEG信号的特征提取 43
4.1 特征提取概述 43
4.2 EEG信号的特征提取方法分类 44
4.3 基于神经网络的特征选择与提取方法 45
4.3.1 特征提取和特征选择 46
4.3.2 特征选择的原则 47
4.3.3 基于神经网络的特征选择与提取方法 48
参考文献 50
第5章 EEG信号的经典分析方法 52
5.1 EEG信号的时域分析 52
5.2 EEG信号的频域分析 52
5.2.1 经典功率谱估计 53
5.2.2 现代功率谱估计方法 59
5.3 双谱分析 64
5.3.1 双谱分析概述 64
5.3.2 双谱分析方法 65
参考文献 65
第6章 EEG信号的现代分析方法 67
6.1 时／频域分析方法 67
6.2 混沌理论 70
6.2.1 混沌理论概述 70
6.2.2 混沌特性 70
6.2.3 混沌理论的主要研究方法 71
6.2.4 混沌理论在脑电信号中的应用 72
6.2.5 混沌理论在脑电信号研究中存在的问题 72
6.3 匹配跟踪方法 72
6.3.1 匹配跟踪方法概述 72
6.3.2 匹配跟踪方法应用领域 74
6.4 非线性动力学分析 75
6.4.1 Lyapunov指数 76
6.4.2 脑电信号的复杂度 76
6.4.3 相关维数 78
6.5 人工神经网络 79
6.5.1 反向传播网络 81
6.5.2 小波神经网络 81
6.6 神经网络集成方法 81
6.6.1 神经网络集成概述 81
6.6.2 神经网络集成方法 82
6.6.3 神经网络集成存在问题 86
6.7 支持向量机方法 86
6.7.1 SVM概述 86
6.7.2 SVM的工作原理 87
6.7.3 SVM的优点及缺点 88
6.7.4 SVM在EEG中的应用 89
6.8 ICA方法 89
6.8.1 ICA方法概述 89
6.8.2 ICA方法在EEG中的应用 90
6.9 遗传算法 91
6.9.1 遗传算法概述 91
6.9.2 遗传算法的思想 92
6.9.3 遗传算法的特点 92
6.9.4 遗传算法的不足 93
6.9.5 遗传算法在EEG中的应用 93
6.10 功能磁共振成像与脑电的融合 94
6.10.1 功能性磁共振成像 94
6.10.2 EEG与fMRI融合 95
6.10.3 EEG与fMRI融合数据采集方式 96
6.10.4 同时采集EEG和fMRI数据时噪声的消除 97
6.11 其他方法 98
参考文献 98
第7章 基于神经网络的EEG信号分类方法 102
7.1 概述 102
7.2 数据来源 102
7.3 EEG信号的预处理 103
7.4 特征提取 104
7.4.1 特征提取 104
7.4.2 样本预处理 107
7.5 BP分类算法 107
7.5.1 BP算法 108
7.5.2 BP网络结构 109
7.6 MATLAB中的BP神经网络设计 114
7.7 PNN神经网络的EEG信号分类方法 118
7.7.1 PNN概述 118
7.7.2 实验方法及结果 119
7.7.3 实验结果分析 120
参考文献 121
第8章 神经网络的光标上下移动EEG信号分类方法 122
8.1 数据来源 122
8.2 数据处理 123
8.2.1 预处理及频域特征提取 123
8.2.2 BP网络设计 124
8.3 网络训练与测试 124
8.4 总结 126
参考文献 127
第9章 基于神经网络集成的睡眠脑电分期研究 128
9.1 概述 128
9.2 睡眠脑电信号特征提取方法研究现状 128
9.3 睡眠脑电信号模式分类方法研究现状 129
9.4 睡眠分期存在的问题 130
9.5 系统模型结构 131
9.6 方法 131
9.6.1 数据来源 131
9.6.2 特征提取 132
9.6.3 分类算法 133
9.7 结果分析 138
参考文献 138
第二篇 脑机接口技术 143
第10章 脑机接口技术 143
10.1 脑机接口技术概述 143
10.2 脑机接口技术原理 144
10.2.1 脑－计算机接口系统的组成 145
10.2.2 信号采集 145
10.2.3 信号分析 145
10.2.4 控制部分 146
10.3 BCI系统的研究方法 147
10.3.1 P300事件相关电位法 147
10.3.2 稳态视觉诱发电位SSVEP 147
10.3.3 事件相关同步或去同步法 147
10.3.4 皮层慢电位法 148
10.3.5 自发脑电信号法 148
10.3.6 植入电极法 148
10.4 脑机接口的研究进展 148
10.4.1 脑机接口研究进展 148
10.4.2 脑机接口研究大事 149
10.5 脑机接口的研究团队及主要研究成果 151
10.5.1 国内研究机构 151
10.5.2 国外研究机构 152
10.6 脑机接口的分类 154
10.7 脑机接口面临的挑战 157
10.7.1 存在问题 157
10.7.2 未来发展方向 159
10.7.3 我国“脑科学计划” 160
10.8 BCI系统标准 161
10.8.1 BCI系统的设计标准 161
10.8.2 BCI系统评价标准 161
10.9 应用领域 162
10.9.1 医学领域 162
10.9.2 非医学领域 168
10.10 脑－计算机接口技术研究隐患 173
10.10.1 研究隐患 173
10.10.2 伦理问题 174
10.11 发展前景 175
参考文献 175
附录 179
主要缩略语 179