腦機接口信號采集與處理

1 腦機接口概述 001
1.1 腦機接口的研究意義 001
1.2 腦機接口系統(tǒng)的基本構成 004
1.3 腦機接口的研究現狀和趨勢 009
1.3.1 腦機接口的研究現狀 010
1.3.2 腦機接口的發(fā)展趨勢 017
1.4 本書各章節(jié)內容安排 020
參考文獻 020
2 腦電信號的神經科學基礎和采集 035
2.1 概述 035
2.2 腦電信號的神經科學基礎 035
2.2.1 腦電信號的產生機理 035
2.2.2 腦電采集的位置及信號特點 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 腦電信號采集設備和技術 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 067
參考文獻 068
3 腦電信號預處理與去偽跡 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 典型關聯分析 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 經驗模態(tài)分解 090
3.4 本章小結 091
參考文獻 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 130
參考文獻 131
5 腦電信號特征分類方法 135
5.1 基于傳統(tǒng)機器學習的分類方法 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 支持向量機算法 140
5.1.4 樸素貝葉斯算法 145
5.1.5 反向傳播神經網絡算法 146
5.1.6 集成學習算法 149
5.2 基于深度學習的分類方法 153
5.2.1 卷積神經網絡 154
5.2.2 循環(huán)神經網絡 159
5.3 其他腦電信號特征分類方法 161
5.4 本章小結 161
參考文獻 162