基於 EEG 的腦機接口：認知分析與控制應用 Eeg-Based Brain-Computer Interfaces: Cognitive Analysis and Control Applications

Dipali Bansal ，Rashima Mahajan 施明輝 譯

基於 EEG 的腦機接口：認知分析與控制應用

買這商品的人也買了...

相關主題

商品描述

腦機接口《BCI）技術在醫療康復、自動控制和情感識別等領域有著廣闊的應用前景，
為人們提供了一種與體外環境交互的新方式。
在各類神經信號中，腦電（EEG）信號由於其易採集、低成本等優點，
得到了廣泛的研究和應用。
《基於EEG的腦機接口：認知分析與控制應用》不僅涵蓋BCI的技術原理，
而且給出了一個採用眨眼誘發的EEG信號的完整實現示例。
書中首先介紹EEG信號的獲取方法以及基於眨眼的BCI框架，
之後詳細講解從EEG信號中識別有意眨眼的方法，包括時域方法和頻域方法。
在此基礎上開發腦控應用系統，將Emotiv腦電採集設備與MATLAB連接，實現EEG信號的獲取與分析算法。
其中，針對EEG信號分析，討論了事件相關電位、腦地形圖、
EEG子頻帶功率、通道相干性等技術。
《基於EEG的腦機接口：認知分析與控制應用》特色：
異於大多數研究，採用眨眼誘發的EEG信號：
既不需要跟踪眼動，也不需要檢測眼部周圍的肌肉運動，從而有效降低用戶的負荷，
並通過這種簡單的方式實現了“腦控音樂播放”和“腦控開啟LED燈”兩種應用。
在理論的基礎上，給出易於實現的完整示例：
首先利用Emotiv腦電帽採集EEG信號，然後通過時域分析、
頻域分析和腦地形圖分析了解大腦的認知狀態，最後基於EEG信號實現各種控制應用。

作者簡介

作者簡介
狄柏麗·班賽爾（Dipali Bansal） 博士，現為印度Graphic Era大學工程系主任，曾任印度Manav Rachna國際大學教授，專注於教育和技術創新。她長期致力於生物信號處理方面的研究，已在知名期刊和會議上發表論文超過90篇。


拉什瑪·馬哈詹（Rashima Mahajan） 博士，現為印度Manav Rachna國際大學副教授，曾在印度GD Goenka大學和印度國家大腦研究中心（NBRC）等機構工作。她的研究興趣為生物醫學信號處理，已在知名期刊和會議上發表論文超過35篇。


譯者簡介
施明輝　博士，廈門大學信息學院人工智能係副教授，目前主要從事腦機接口、機器學習、智能計算、認知神經科學等方面的研究。主持或參與多項國家*、省級項目，以第一完成人發表學術論文40餘篇，授權國家發明專利和軟件著作權各1項 。

目錄大綱

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 基於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 基於EEG的腦機接口18
2.1 引言18
2.1.1 基於EEG的BCI系統架構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 數據獲取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信號與節律29
2.3.5 信號預放大、濾波和模數轉換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 特徵提取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 採集設備概覽62
3.2.1 依據性能指標的選擇標準62
3.2.2 各類EEG設備63
3.3 開發基於EEG的BCI以獲取眨眼信號73
3.3.1 選擇EEG採集設備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數據導入MATLAB80
3.4.1 EEG信號分析工具箱的選擇80
3.4.2 將EEG數據導入EEGLAB81
3.4.3 將EEG數據導入MATLAB工作空間82
3.5 將EEG數據導入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 對濾波後的EEG數據進行獨立成分分析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 基於EEG的BCI：控制應用142
6.1 引言142
6.2 基於眨眼的BCI控制應用開發詳解146
6.2.1 使用MATLAB軟件的控制觸發器147
6.2.2 用於控制應用的Arduino Uno硬件接口148
6.3 採用基於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 基於眨眼的BCI控制應用的開發168
7.2 未來方向和總結168

類似商品