描述
开 本: 16开纸 张: 胶版纸包 装: 平装是否套装: 否国际标准书号ISBN: 9787030476692
内容简介
随着计算机、生物医学工程、医学等技术的迅速发展，脑电信号分析与脑机接口技术已经成为最热门的研究内容之一。《脑电信号分析方法与脑机接口技术》主要内容分为两篇，第一篇为脑电信号的分析方法，在介绍传统脑电信号分析方法的同时，介绍了新的研究方法，如近似熵、复杂度、混沌理论等。第二篇介绍脑机接口技术，脑机接口技术可以为有运动障碍的残疾人提供一种全新的与外界交流的渠道，也能为健全人提高人机交互能力提供新的可能。脑机接口是近年来神经工程领域的一个研究热点。《脑电信号分析方法与脑机接口技术》重点介绍基于头皮脑电信号的脑机接口系统，包括其工作原理、系统构成、当前发展水平与应用领域等。
目 录
第一篇 脑电信号分析方法
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
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)
主要符号对照表(179)
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
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)
主要符号对照表(179)
评论
还没有评论。