基于EEG的腦機接口：認知分析與控制應用

譯者序
前言
致謝
第1章　緒論1
1.1　基礎理論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　技術回顧7
1.2.1　人腦解剖結構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19
2.2　BCI相關技術22
2.2.1　侵入式和部分侵入式BCI技術22
2.2.2　非侵入式BCI技術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　信號預放大、濾波和模數(shù)轉換30
2.4　預處理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應用46
2.7.1　診療應用47
2.7.2　非診療應用50
2.8　本章小結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　采集設備概覽62
3.2.1　依據(jù)性能指標的選擇標準62
3.2.2　各類EEG設備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計76
3.4　將EEG數(shù)據(jù)導入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)導入EEGLAB81
3.4.3　將EEG數(shù)據(jù)導入MATLAB工作空間82
3.5　將EEG數(shù)據(jù)導入Simulink85
3.6　本章小結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　預處理91
4.2.1　預濾波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　結果與分析99
4.6　本章小結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　結果與分析124
5.6　本章小結139
參考文獻140
拓展閱讀141
第6章　基于EEG的BCI：控制應用142
6.1　引言142
6.2　基于眨眼的BCI控制應用開發(fā)詳解146
6.2.1　使用MATLAB軟件的控制觸發(fā)器147
6.2.2　用于控制應用的Arduino Uno硬件接口148
6.3　采用基于EEG的BCI可能構建的其他控制應用153
6.3.1　利用LabVIEW的BCI控制應用153
6.3.2　利用MATLAB/Simulink的BCI控制應用160
6.4　本章小結163
參考文獻163
拓展閱讀164
第7章　總結和展望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控制應用的開發(fā)168
7.2　未來方向和總結168