基于EEG的腦機接口：認知分析與控制應(yīng)用

譯者序
前言
致謝
第1章　緒論1
1.1　基礎(chǔ)理論1
1.1.1　腦機接口的成功案例2
1.1.2　腦機接口的市場分析5
1.2　技術(shù)回顧7
1.2.1　人腦解剖結(jié)構(gòu)8
1.2.2　從人腦到計算機10
1.2.3　基于有意眨眼的腦機接口與控制的研究概況13
1.3　本書目標(biāo)14
參考文獻15
第2章　基于EEG的腦機接口18
2.1　引言18
2.1.1　基于EEG的BCI系統(tǒng)架構(gòu)19
2.2　BCI相關(guān)技術(shù)22
2.2.1　侵入式和部分侵入式BCI技術(shù)22
2.2.2　非侵入式BCI技術(shù)24
2.3　數(shù)據(jù)獲取27
2.3.1　腦電位27
2.3.2　EEG電極位置的確定28
2.3.3　EEG電極29
2.3.4　EEG信號與節(jié)律29
2.3.5　信號預(yù)放大、濾波和模數(shù)轉(zhuǎn)換30
2.4　預(yù)處理30
2.4.1　EEG偽跡31
2.4.2　EEG偽跡去除32
2.5　特征提取38
2.5.1　EEG信號的時域表示39
2.5.2　EEG信號的頻域表示42
2.5.3　EEG信號的時-頻域表示43
2.5.4　EEG信號的空間域表示43
2.6　分類44
2.6.1　線性分類器44
2.6.2　非線性分類器45
2.6.3　BCI性能評價45
2.7　BCI應(yīng)用46
2.7.1　診療應(yīng)用47
2.7.2　非診療應(yīng)用50
2.8　本章小結(jié)52
參考文獻53
拓展閱讀59
第3章　EEG信號的實時獲取60
3.1　引言60
3.2　采集設(shè)備概覽62
3.2.1　依據(jù)性能指標(biāo)的選擇標(biāo)準(zhǔn)62
3.2.2　各類EEG設(shè)備63
3.3　開發(fā)基于EEG的BCI以獲取眨眼信號73
3.3.1　選擇EEG采集設(shè)備73
3.3.2　EMOTIV test bench74
3.3.3　理解.edf格式76
3.3.4　捕捉眨眼信號的實驗設(shè)計76
3.4　將EEG數(shù)據(jù)導(dǎo)入MATLAB80
3.4.1　EEG信號分析工具箱的選擇80
3.4.2　將EEG數(shù)據(jù)導(dǎo)入EEGLAB81
3.4.3　將EEG數(shù)據(jù)導(dǎo)入MATLAB工作空間82
3.5　將EEG數(shù)據(jù)導(dǎo)入Simulink85
3.6　本章小結(jié)86
參考文獻87
拓展閱讀88
第4章　認知分析：時域89
4.1　引言89
4.2　預(yù)處理91
4.2.1　預(yù)濾波92
4.2.2　對濾波后的EEG數(shù)據(jù)進行獨立成分分析94
4.3　ERP分析97
4.4　不同延遲時刻的ERP腦地形圖分析98
4.5　結(jié)果與分析99
4.6　本章小結(jié)114
參考文獻115
第5章　認知分析：頻域117
5.1　引言117
5.2　通道的功率譜分析120
5.3　子頻帶功率分析121
5.4　EEG相干性分析121
5.5　結(jié)果與分析124
5.6　本章小結(jié)139
參考文獻140
拓展閱讀141
第6章　基于EEG的BCI：控制應(yīng)用142
6.1　引言142
6.2　基于眨眼的BCI控制應(yīng)用開發(fā)詳解146
6.2.1　使用MATLAB軟件的控制觸發(fā)器147
6.2.2　用于控制應(yīng)用的Arduino Uno硬件接口148
6.3　采用基于EEG的BCI可能構(gòu)建的其他控制應(yīng)用153
6.3.1　利用LabVIEW的BCI控制應(yīng)用153
6.3.2　利用MATLAB/Simulink的BCI控制應(yīng)用160
6.4　本章小結(jié)163
參考文獻163
拓展閱讀164
第7章　總結(jié)和展望165
7.1　主要貢獻165
7.1.1　時域分析166
7.1.2　頻域分析167
7.1.3　基于眨眼的BCI控制應(yīng)用的開發(fā)168
7.2　未來方向和總結(jié)168