本書主要討論腦機接口的原理與實現(xiàn),給出了一個采用眨眼誘發(fā)的EEG信號的完整腦機接口實現(xiàn)示例。書中首先介紹腦機接口的技術原理、EEG信號的獲取方法以及基于眨眼的腦機接口框架,之后詳細討論從EEG信號中識別有意眨眼的方法,包括時域和頻域方法。在此基礎上開發(fā)腦控應用系統(tǒng),將Emotiv腦電采集設備與MATLAB連接,實現(xiàn)EEG信號的獲取與分析。其中,針對EEG信號分析,介紹了事件相關電位、腦地形圖、EEG子頻帶功率、信道相干性等技術。本書適合腦機接口和生物醫(yī)學信號處理領域的技術人員閱讀,也適合高校相關專業(yè)的學生參考。
腦機接口(BCI)技術在醫(yī)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(huán)境交互的新方式。在各類神經(jīng)信號中,腦電(EEG)信號由于其易采集、低成本等優(yōu)點,得到了廣泛的研究和應用。
本書不僅涵蓋BCI的技術原理,而且給出了一個采用眨眼誘發(fā)的EEG信號的完整實現(xiàn)示例。書中首先介紹EEG信號的獲取方法以及基于眨眼的BCI框架,之后詳細講解從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(fā)腦控應用系統(tǒng),將Emotiv腦電采集設備與MATLAB連接,實現(xiàn)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。
本書特色
異于大多數(shù)研究,采用眨眼誘發(fā)的EEG信號:既不需要跟蹤眼動,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,并通過這種簡單的方式實現(xiàn)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,給出易于實現(xiàn)的完整示例:首先利用Emotiv腦電帽采集EEG信號,然后通過時域分析、頻域分析和腦地形圖分析了解大腦的認知狀態(tài),后基于EEG信號實現(xiàn)各種控制應用。
神經(jīng)工程領域的研究人員試圖將心智與機器融合,使人機交互系統(tǒng)越來越簡單易用。相關研究不斷取得新的進展,其中重要的方面當屬腦機接口(Brain-Computer Interface,BCI)。BCI改變了人與設備之間的通信和控制方式,可以讓嚴重癱瘓患者實現(xiàn)與設備之間的交互。近年來,通過BCI實現(xiàn)人對設備的控制已成為研究人員非常感興趣的領域。
神經(jīng)信號是BCI處理的主要信號,包括不同的類型,其中,常用的是腦電(Electroencephalography,EEG)信號。這是因為EEG信號不僅可被長期利用,而且還具有較高的時間分辨率,此外,還具有易采集、成本低等優(yōu)點。利用基于EEG的BCI,可以實現(xiàn)一些過去覺得不可思議的功能和目標。該領域的研究在應用的廣度、相關技術的深度,以及對殘疾人和普通大眾的可用性等方面,不斷取得新的進展。在腦控應用方面,相關的研究報道已不只關注醫(yī)療應用,而且也開始關注健康用戶的日常生活需求。
當前,BCI研究者致力于開發(fā)便于用戶使用、可穿戴的EEG頭戴式采集設備,以及新型的EEG信號分析技術。這些研究使得BCI應用被拓展到自動控制、娛樂、情感識別、自動診療、神經(jīng)康復等領域?梢哉f,與BCI相關的科學研究和系統(tǒng)開發(fā)為人們帶來了新的期望:以一種新的方式與體外環(huán)境進行交互。
本書主要內(nèi)容包括:BCI技術背后的原理,尤其是利用EEG捕捉腦信號模式的BCI技術;EEG信號的各種獲取方法和各種分析平臺的特點;用于開發(fā)控制應用的基于眨眼的BCI技術框架。書中詳細探討了從EEG信號中識別出有意眨眼事件的方法,包括時域分析方法和頻域分析方法;介紹了以這些方法為基礎,開發(fā)通過EEG信號進行觸發(fā)控制的應用系統(tǒng)的技術詳情,包括將商業(yè)化的腦數(shù)據(jù)采集設備(Emotiv腦電采集設備)與MATLAB進行連接的方法,以及實現(xiàn)EEG信號獲取與分析的算法和方案;詳細闡明了便于后續(xù)的EEG信號分析,提取EEG信號的多維特征的技術,涉及事件相關電位(Event Related Potential,ERP)、腦地形圖、EEG子頻帶功率、通道相干性等?傊緯故玖嗣嫦?qū)崟r應用場景,利用EEG信號開發(fā)易于使用的BCI的全過程。
本書對利用生物醫(yī)學信號處理技術開發(fā)BCI的研究者會有所幫助,尤其是那些利用生理信號(人的神經(jīng)響應)為殘疾人康復開發(fā)自動控制系統(tǒng)的研究者。通過本書,讀者可以深入理解如何利用低成本EEG采集設備、相關的信號處理技術和特征提取算法,實現(xiàn)真實的基于BCI的控制應用。書中涵蓋了利用EEG信號與相關的預處理和后處理技術,開發(fā)BCI系統(tǒng)的各個方面的內(nèi)容。
第1章介紹BCI技術的背景知識,并對全球BCI市場進行分析和預測。該章討論了BCI的分類、腦信號模式、基本的EEG采集設備,以及基于眨眼的BCI控制應用。第2章系統(tǒng)回顧BCI開發(fā)的前沿技術和各種腦信號模式,如腦電圖、眼電圖(Electrocorticography,ECoG)、腦磁圖(Magnetoencephalography,MEG)、磁共振成像(Magnetic Resonance Imaging,MRI)、功能性磁共振成像(functional Magnetic Resonance Imaging,fMRI)等;詳細介紹腦信號采集方法、線性及非線性信號分析技術,以及腦信號分類識別技術,旨在面向控制應用,開發(fā)基于EEG的低成本、便攜式、實用性強的BCI。第3章探討利用商業(yè)化的EEG頭戴式采集設備,實時獲取與有意眨眼相關的腦信號,并構建出性能可靠的數(shù)據(jù)集的方法;還討論了將獲取的數(shù)據(jù)集導入兼容的信號處理環(huán)境的過程。第4章詳細闡述在時域中,針對所采集的與單次有意眨眼相關的腦信號進行認知分析的過程和算法。第5章詳細闡述在頻域和空間域中,針對所采集的與單次有意眨眼相關的腦信號進行認知分析的過程和算法;還考察和分析了EEG信號中由眨眼動作引發(fā)的占主導功率的子頻帶。第6章介紹采用MATLAB、Simulink和LabVIEW環(huán)境開發(fā)出的各種控制應用,循序漸進地說明基于有意眨眼的BCI開發(fā)控制應用的全過程。第7章總結了本書的主要貢獻,并展望相關領域的未來前景,介紹研究者為提升人類生活質(zhì)量付出的持續(xù)努力,以及相關研究面臨的機遇和挑戰(zhàn)。
---作者簡介---
狄柏麗·班賽爾(Dipali Bansal) 博士,現(xiàn)為印度Graphic Era大學工程系主任,曾任印度Manav Rachna國際大學教授,專注于教育和技術創(chuàng)新。她長期致力于生物信號處理方面的研究,已在知名期刊和會議上發(fā)表論文超過90篇。
拉什瑪·馬哈詹(Rashima Mahajan) 博士,現(xiàn)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(yī)學信號處理,已在知名期刊和會議上發(fā)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系副教授,目前主要從事腦機接口、機器學習、智能計算、認知神經(jīng)科學等方面的研究。主持或參與多項、省級項目,以完成人發(fā)表學術論文40余篇,授權國家發(fā)明專利和軟件著作權各1項。
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 基于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 基于EEG的腦機接口18
2.1 引言18
2.1.1 基于EEG的BCI系統(tǒng)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(shù)據(jù)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(jié)律29
2.3.5 信號預放大、濾波和模數(shù)轉(zhuǎn)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 特征提取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 采集設備概覽62
3.2.1 依據(jù)性能指標的選擇標準62
3.2.2 各類EEG設備63
3.3 開發(fā)基于EEG的BCI以獲取眨眼信號73
3.3.1 選擇EEG采集設備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(shù)據(jù)導入MATLAB80
3.4.1 EEG信號分析工具箱的選擇80
3.4.2 將EEG數(shù)據(jù)導入EEGLAB81
3.4.3 將EEG數(shù)據(jù)導入MATLAB工作空間82
3.5 將EEG數(shù)據(jù)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 對濾波后的EEG數(shù)據(jù)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 基于EEG的BCI:控制應用142
6.1 引言142
6.2 基于眨眼的BCI控制應用開發(fā)詳解146
6.2.1 使用MATLAB軟件的控制觸發(fā)器147
6.2.2 用于控制應用的Arduino Uno硬件接口148
6.3 采用基于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 基于眨眼的BCI控制應用的開發(fā)168
7.2 未來方向和總結168