在科技飛速發(fā)展的今天,腦機(jī)接口技術(shù)正逐漸從實(shí)驗(yàn)室走向現(xiàn)實(shí)應(yīng)用,為人類社會帶來前所未有的變革。本書簡要概述了腦機(jī)接口的基礎(chǔ),重點(diǎn)介紹了腦電信號的神經(jīng)科學(xué)基礎(chǔ)和采集;腦電信號預(yù)處理與去偽跡;腦電信號特征分析;腦電信號特征分類方法等內(nèi)容,旨在為讀者提供腦機(jī)接口及腦電信號分析領(lǐng)域的全面知識和實(shí)用技術(shù)方法。
本書適宜從事腦機(jī)接口領(lǐng)域的技術(shù)人員參考,也可供機(jī)器人、人工智能、醫(yī)療康復(fù)等相關(guān)專業(yè)人士參考。
陳驥馳,1990年11月生,工學(xué)博士,沈陽工業(yè)大學(xué)副教授,博士生導(dǎo)師,入選遼寧省英才儲備計(jì)劃,沈陽市拔尖人才,致力于人機(jī)智能交互,腦機(jī)接口,先進(jìn)駕駛輔助系統(tǒng)研發(fā)等工作。主持國家自然科學(xué)基金(面上項(xiàng)目,青年科學(xué)基金),中國博士后科學(xué)基金面上項(xiàng)目,遼寧省科技計(jì)劃技術(shù)攻關(guān)項(xiàng)目,遼寧省自然科學(xué)基金項(xiàng)目,遼寧省教育廳高等學(xué);究蒲许(xiàng)目,沈陽市科技人才專項(xiàng)等。作為第一或通訊作者在國內(nèi)外相關(guān)領(lǐng)域發(fā)表SCI等長文30余篇。授權(quán)發(fā)明專利10余件。研究成果獲遼寧省自然科學(xué)學(xué)術(shù)成果獎一等獎(1/3),沈陽市自然科學(xué)學(xué)術(shù)成果獎三等獎(1/3)。擔(dān)任國家自然科學(xué)基金通信評審專家,遼寧省科技廳計(jì)劃項(xiàng)目專家等。
1 腦機(jī)接口概述 001
1.1 腦機(jī)接口的研究意義 001
1.2 腦機(jī)接口系統(tǒng)的基本構(gòu)成 004
1.3 腦機(jī)接口的研究現(xiàn)狀和趨勢 009
1.3.1 腦機(jī)接口的研究現(xiàn)狀 010
1.3.2 腦機(jī)接口的發(fā)展趨勢 017
1.4 本書各章節(jié)內(nèi)容安排 020
參考文獻(xiàn) 020
2 腦電信號的神經(jīng)科學(xué)基礎(chǔ)和采集 035
2.1 概述 035
2.2 腦電信號的神經(jīng)科學(xué)基礎(chǔ) 035
2.2.1 腦電信號的產(chǎn)生機(jī)理 035
2.2.2 腦電采集的位置及信號特點(diǎn) 037
2.2.3 腦電信號的分類 040
2.3 腦電信號的采集 042
2.3.1 腦電信號采集設(shè)備和技術(shù) 042
2.3.2 腦電信號的影響因素 052
2.3.3 常用的腦電信號分析工具箱 054
2.4 本章小結(jié) 067
參考文獻(xiàn) 068
3 腦電信號預(yù)處理與去偽跡 072
3.1 腦電信號偽跡種類及其來源 072
3.1.1 生理偽跡 072
3.1.2 非生理偽跡 074
3.2 腦電信號預(yù)處理基本過程 076
3.2.1 濾波 076
3.2.2 剔除壞段、壞道 078
3.2.3 基于ICA 的偽跡去除 079
3.2.4 重參考 084
3.2.5 基線校正 084
3.3 腦電信號的其他偽跡去除方法 085
3.3.1 典型關(guān)聯(lián)分析 085
3.3.2 盲源分離 086
3.3.3 小波變換法 087
3.3.4 回歸法 089
3.3.5 經(jīng)驗(yàn)?zāi)B(tài)分解 090
3.4 本章小結(jié) 091
參考文獻(xiàn) 092
4 腦電信號特征分析 095
4.1 腦電信號特征提取 095
4.1.1 時域特征提取法 096
4.1.2 頻域特征提取法 100
4.1.3 時頻域特征提取法 103
4.1.4 空域特征提取法 104
4.1.5 非線性特征提取法 107
4.1.6 黎曼幾何 117
4.2 腦電信號特征降維 123
4.2.1 主成分分析 123
4.2.2 最大相關(guān)最小冗余 125
4.2.3 遺傳算法 126
4.3 其他腦電信號特征分析方法 129
4.4 本章小結(jié) 130
參考文獻(xiàn) 131
5 腦電信號特征分類方法 135
5.1 基于傳統(tǒng)機(jī)器學(xué)習(xí)的分類方法 136
5.1.1 線性判別分析算法 136
5.1.2 K 近鄰算法 139
5.1.3 支持向量機(jī)算法 140
5.1.4 樸素貝葉斯算法 145
5.1.5 反向傳播神經(jīng)網(wǎng)絡(luò)算法 146
5.1.6 集成學(xué)習(xí)算法 149
5.2 基于深度學(xué)習(xí)的分類方法 153
5.2.1 卷積神經(jīng)網(wǎng)絡(luò) 154
5.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 159
5.3 其他腦電信號特征分類方法 161
5.4 本章小結(jié) 161
參考文獻(xiàn) 162