人腦是整個(gè)宇宙中最為神秘的器官，解碼人腦活動(dòng)規(guī)律以探索智慧和生命的奧秘令無數(shù)科學(xué)家心馳神往。隨著全球腦研究的持續(xù)升溫，特別是2013年歐美先后啟動(dòng)具有戰(zhàn)略意義的人腦研究計(jì)劃，腦相關(guān)的科學(xué)研究對(duì)于提升人類健康水平、帶動(dòng)相關(guān)產(chǎn)業(yè)發(fā)展、刺激經(jīng)濟(jì)發(fā)展和促進(jìn)社會(huì)進(jìn)步勢必帶來革命性的意義。
　　從人的頭皮采集到的腦電（electroencephalogram，EEG）信號(hào)作為大腦信息處理過程中所發(fā)生的電生理活動(dòng)的一個(gè)直觀而無損的反映，因其獨(dú)特的屬性（無創(chuàng)、高時(shí)間分辨率、使用簡便等）而日益成為相關(guān)腦研究中必不可少的研究手段，特別為監(jiān)測腦的研究提供了一種重要的技術(shù)支持。EEG解碼技術(shù)涉及神經(jīng)科學(xué)、認(rèn)知心理學(xué)和智能信息處理等領(lǐng)域，它是從原始EEG信號(hào)中獲取與任務(wù)相關(guān)的模式，解碼腦的不同任務(wù)狀態(tài)，旨在揭示人腦認(rèn)知思維活動(dòng)模式，建立腦活動(dòng)的意向與行為之間的關(guān)聯(lián)，達(dá)到認(rèn)識(shí)腦、保護(hù)腦和開發(fā)腦的目的。本書的主要研究總結(jié)如下：
　　（1）為了準(zhǔn)確地提取EEG信號(hào)的特征信息，提高腦思維任務(wù)的分類精度，在研究小波包變換的基礎(chǔ)上，提出了一種改進(jìn)小波包分解EEG特征的抽取方法。該方法首先進(jìn)行小波包分解，然后結(jié)合能反映EEG信號(hào)在時(shí)域與頻域上的能量分布特征的小波熵概念，從小波包庫中選擇最優(yōu)小波包基，最后利用不同腦思維任務(wù)下腦區(qū)活動(dòng)的非平衡性，對(duì)不同導(dǎo)聯(lián)EEG信號(hào)求取不對(duì)稱率來構(gòu)成特征向量。實(shí)驗(yàn)采用一個(gè)5類不同腦思維任務(wù)EEG數(shù)據(jù)集，結(jié)果表明該方法具有較高的平均分類精度。本研究為腦思維任務(wù)下EEG信號(hào)的特征抽取提供了新的思路。
　�。�2）EEG信號(hào)是腦一機(jī)接口（brain-computerinterface，BCI）-個(gè)重要的信號(hào)來源。為了更有效和可靠地對(duì)原始EEG信號(hào)進(jìn)行解碼，我們針對(duì)基于EEG的運(yùn)動(dòng)想象BCI多任務(wù)分類問題，提出了一套新的具有魯棒性的處理框架。該框架可以直接處理帶有噪聲的原始EEG信號(hào)，而不用領(lǐng)域?qū)＜覍?duì)信號(hào)偽跡進(jìn)行手工標(biāo)注和剔除。同時(shí)，該框架能夠自動(dòng)選擇與任務(wù)相關(guān)聯(lián)的EEG通道，從而減少計(jì)算復(fù)雜度。我們采用最新的競賽數(shù)據(jù)集dataset2a-BCICompetitionⅣ驗(yàn)證了所提出的框架及其相關(guān)處理算法，結(jié)果證實(shí)了對(duì)于原始包含偽跡的運(yùn)動(dòng)想象EEG信號(hào)，該處理框架及算法比競賽公布的前3名具有更好的分類性能。