本书主要讨论脑机接口的原理与实现，给出了一个采用眨眼诱发的EEG信号的完整脑机接口实现示例。书中首先介绍脑机接口的技术原理、EEG信号的获取方法以及基于眨眼的脑机接口框架，之后详细讨论从EEG信号中识别有意眨眼的方法，包括时域和频域方法。在此基础上开发脑控应用系统，将Emotiv脑电采集设备与MATLAB连接，实现EEG信号的获取与分析。其中，针对EEG信号分析，介绍了事件相关电位、脑地形图、EEG子频带功率、信道相干性等技术。本书适合脑机接口和生物医学信号处理领域的技术人员阅读，也适合高校相关专业的学生参考。
结合Emotiv脑电采集设备与MATLAB，基于眨眼诱发的EEG信号实现脑控应用
神经工程领域的研究人员试图将心智与机器融合，使人机交互系统越来越简单易用。相关研究不断取得新的进展，其中最重要的方面当属脑机接口（Brain-Computer Interface，BCI）。BCI改变了人与设备之间的通信和控制方式，可以让严重瘫痪患者实现与设备之间的交互。近年来，通过BCI实现人对设备的控制已成为研究人员非常感兴趣的领域。
神经信号是BCI处理的主要信号，包括不同的类型，其中，最常用的是脑电（Electroencephalography，EEG）信号。这是因为EEG信号不仅可被长期利用，而且还具有较高的时间分辨率，此外，还具有易采集、成本低等优点。利用基于EEG的BCI，可以实现一些过去觉得不可思议的功能和目标。该领域的研究在应用的广度、相关技术的深度，以及对残疾人和普通大众的可用性等方面，不断取得新的进展。在脑控应用方面，相关的研究报道已不只关注医疗应用，而且也开始关注健康用户的日常生活需求。
当前，BCI研究者致力于开发便于用户使用、可穿戴的EEG头戴式采集设备，以及新型的EEG信号分析技术。这些研究使得BCI应用被拓展到自动控制、娱乐、情感识别、自动诊疗、神经康复等领域。可以说，与BCI相关的科学研究和系统开发为人们带来了新的期望：以一种新的方式与体外环境进行交互。
本书主要内容包括：BCI技术背后的原理，尤其是利用EEG捕捉脑信号模式的BCI技术；EEG信号的各种获取方法和各种分析平台的特点；用于开发控制应用的基于眨眼的BCI技术框架。书中详细探讨了从EEG信号中识别出有意眨眼事件的方法，包括时域分析方法和频域分析方法；介绍了以这些方法为基础，开发通过EEG信号进行触发控制的应用系统的技术详情，包括将商业化的脑数据采集设备（Emotiv脑电采集设备）与MATLAB进行连接的方法，以及实现EEG信号获取与分析的算法和方案；详细阐明了便于后续的EEG信号分析，提取EEG信号的多维特征的技术，涉及事件相关电位（Event Related Potential，ERP）、脑地形图、EEG子频带功率、通道相干性等。总之，本书展示了面向实时应用场景，利用EEG信号开发易于使用的BCI的全过程。
本书对利用生物医学信号处理技术开发BCI的研究者会有所帮助，尤其是那些利用生理信号（人的神经响应）为残疾人康复开发自动控制系统的研究者。通过本书，读者可以深入理解如何利用低成本EEG采集设备、相关的信号处理技术和特征提取算法，实现真实的基于BCI的控制应用。书中涵盖了利用EEG信号与相关的预处理和后处理技术，开发BCI系统的各个方面的内容。
第1章介绍BCI技术的背景知识，并对全球BCI市场进行分析和预测。该章讨论了BCI的分类、脑信号模式、基本的EEG采集设备，以及基于眨眼的BCI控制应用。第2章系统回顾BCI开发的前沿技术和各种脑信号模式，如脑电图、眼电图（Electrocorticography，ECoG）、脑磁图（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；详细介绍脑信号采集方法、线性及非线性信号分析技术，以及脑信号分类识别技术，旨在面向控制应用，开发基于EEG的低成本、便携式、实用性强的BCI。第3章探讨利用商业化的EEG头戴式采集设备，实时获取与有意眨眼相关的脑信号，并构建出性能可靠的数据集的方法；还讨论了将获取的数据集导入兼容的信号处理环境的过程。第4章详细阐述在时域中，针对所采集的与单次有意眨眼相关的脑信号进行认知分析的过程和算法。第5章详细阐述在频域和空间域中，针对所采集的与单次有意眨眼相关的脑信号进行认知分析的过程和算法；还考察和分析了EEG信号中由眨眼动作引发的占主导功率的子频带。第6章介绍采用MATLAB、Simulink和LabVIEW环境开发出的各种控制应用，循序渐进地说明基于有意眨眼的BCI开发控制应用的全过程。第7章总结了本书的主要贡献，并展望相关领域的未来前景，介绍研究者为提升人类生活质量付出的持续努力，以及相关研究面临的机遇和挑战。
计算机\人工智能
脑机接口（BCI）技术在医疗康复、自动控制和情感识别等领域有着广阔的应用前景，为人们提供了一种与体外环境交互的新方式。在各类神经信号中，脑电（EEG）信号由于其易采集、低成本等优点，得到了广泛的研究和应用。
本书不仅涵盖BCI的技术原理，而且给出了一个采用眨眼诱发的EEG信号的完整实现示例。书中首先介绍EEG信号的获取方法以及基于眨眼的BCI框架，之后详细讲解从EEG信号中识别有意眨眼的方法，包括时域方法和频域方法。在此基础上开发脑控应用系统，将Emotiv脑电采集设备与MATLAB连接，实现EEG信号的获取与分析算法。其中，针对EEG信号分析，讨论了事件相关电位、脑地形图、EEG子频带功率、通道相干性等技术。
本书特色
异于大多数研究，采用眨眼诱发的EEG信号：既不需要跟踪眼动，也不需要检测眼部周围的肌肉运动，从而有效降低用户的负荷，并通过这种简单的方式实现了“脑控音乐播放”和“脑控开启LED灯”两种应用。
在理论的基础上，给出易于实现的完整示例：首先利用Emotiv脑电帽采集EEG信号，然后通过时域分析、频域分析和脑地形图分析了解大脑的认知状态，最后基于EEG信号实现各种控制应用。
作者简介
狄柏丽·班赛尔（Dipali Bansal） 博士，现为印度Graphic Era大学工程系主任，曾任印度Manav Rachna国际大学教授，专注于教育和技术创新。她长期致力于生物信号处理方面的研究，已在知名期刊和会议上发表论文超过90篇。
拉什玛·马哈詹（Rashima Mahajan） 博士，现为印度Manav Rachna国际大学副教授，曾在印度GD Goenka大学和印度国家大脑研究中心（NBRC）等机构工作。她的研究兴趣为生物医学信号处理，已在知名期刊和会议上发表论文超过35篇。
译者简介
施明辉 博士，厦门大学信息学院人工智能系副教授，目前主要从事脑机接口、机器学习、智能计算、认知神经科学等方面的研究。主持或参与多项国家级、省级项目，以第一完成人发表学术论文40余篇，授权国家发明专利和软件著作权各1项 。
[印]狄柏丽·班赛尔（Dipali Bansal） 拉什玛·马哈詹（Rashima Mahajan） 著：---作者简介---
狄柏丽·班赛尔（Dipali Bansal） 博士，现为印度Graphic Era大学工程系主任，曾任印度Manav Rachna国际大学教授，专注于教育和技术创新。她长期致力于生物信号处理方面的研究，已在知名期刊和会议上发表论文超过90篇。
拉什玛·马哈詹（Rashima Mahajan） 博士，现为印度Manav Rachna国际大学副教授，曾在印度GD Goenka大学和印度国家大脑研究中心（NBRC）等机构工作。她的研究兴趣为生物医学信号处理，已在知名期刊和会议上发表论文超过35篇。
---译者简介---
施明辉 博士，厦门大学信息学院人工智能系副教授，目前主要从事脑机接口、机器学习、智能计算、认知神经科学等方面的研究。主持或参与多项国家级、省级项目，以第一完成人发表学术论文40余篇，授权国家发明专利和软件著作权各1项。
21世纪以来，脑机接口迅速发展成为热门的多学科交叉研究领域，相关研究成果常引发各类媒体和大众的关注。以脑机接口为代表的脑机融合研究的进展，将对人类社会产生巨大影响。
最近几年，国内开始出现关于脑机接口的论著和译著，虽然数量不多，但不乏上乘之作。呈现在读者面前的这本书，既是关于脑机接口的导引性读物，也是关于脑机接口技术开发的实用性读物。作为译者，有必要对这本书做一番解释，旨在开宗明义，助各类读者择其取舍。
“脑机接口”可理解为“脑与计算机之间的接口”（Brain-Computer Interface，BCI），也可理解为“脑与机器之间的接口”（Brain-Machine Interface，BMI）。作为连接“脑”与“机”的接口，脑机接口具有双向的通信或控制的含义：1）由脑到机，即通过人或动物的脑信号，影响或控制体外设备；2）由机到脑，即通过体外设备或植入体内的设备，影响或控制人或动物的脑状态。相对而言，前者是目前脑机接口研究的主要方向，其目的是：赋予瘫痪患者或健康人“第三只手”，使其可借助脑机接口，用大脑直接操控外部设备，而不需要肌肉参与操控。此书通过完整示例阐释了“由脑到机”的技术原理与实现方法。
脑机接口这项新技术的出现，似乎使得用意念进行控制的科幻故事正在成为现实。然而，本质上，目前的脑机接口技术并非实现通常理解的“意念控制”，而是实现“脑信号控制”。这里需要注意的是“脑信号控制”与“意念控制”的微妙差异。此书为读者揭开了脑机接口技术的神秘面纱，有助于读者深入理解“脑信号控制”的原理和脑机接口应用系统开发的具体过程。
脑信号是反映大脑内部状态或信息的载体，其表现形式多样，包括电信号、磁信号、血氧水平变化信号等。目前，通过非侵入头颅内部的方式，从大脑外部“捕捉”脑信号的技术包括：脑电图（Electroencephalography，EEG）、脑磁图（Magnetoencephalography，MEG）、功能性磁共振成像（functional Magnetic Resonance Imaging，fMRI）、功能性近红外光谱（functional Near Infrared Spectroscopy，fNIRS）等。EEG信号具有时间分辨率高（能反映脑电短时变化的情况）的特点，且有利于构建便携式实时应用系统，因而受到研究者和用户的青睐。此书重点讨论的便是基于EEG的脑机接口技术。
此书共七章，虽篇幅不大，但内容充实，不仅介绍了脑机接口的背景、历史、原理、商业前景，以及对人类未来生活的影响（见第1、2、7章），而且以简单实用且易于实现的完整示例（见第3～6章），介绍了EEG信号采集、分析与应用的具体方法，阐释了技术爱好者关切的三方面问题：1）如何利用Emotiv脑电帽（一款成本低、便携式、易操作的EEG采集设备）采集EEG信号（第3章）；2）如何通过EEG信号的时域分析（第4章）、频域分析（第5章）、脑地形图分析（第4、5章），了解大脑的认知状态；3）如何基于EEG信号实现各种控制应用（第6章）。
书中主要示例采用的是眨眼诱发的EEG信号，体现了作者独具匠心的考虑。其特色在于：1）眨眼诱发脑信号的方式非常简单，不需要用户做任何想象任务，也不需要向用户提供外部刺激，仅需要用户做简单的眨眼动作；2）通常，基于EEG的脑机接口系统要求用户尽量避免眨眼，并将EEG信号中由眨眼引发的信号成分视为无用的伪迹成分而加以去除，然而，该示例却反其道而行之，利用眨眼动作诱发的EEG信号成分，进行大脑认知状态分析（确定眨眼激活的脑区），并实现了两种有趣的基于EEG的控制应用，包括“脑控音乐播放”和“脑控开启LED灯”；3）该示例采用基于EEG的脑信号分析构建应用系统，既不需要跟踪眼动，也不需要检测眼部周围的肌肉运动，从而有利于读者理解、借鉴和推广应用。
综上所述，这是一部颇具特色的脑机接口著作。作为一名脑机接口的研究人员和相关课程教师，我在阅读原著后，立刻意识到翻译这部著作的意义和必要性。这部著作不仅能帮助大众了解脑机接口技术，而且对于虽然具有脑机接口基础知识，但苦于不知如何开展脑机接口实验、不知如何进行EEG信号分析，或不知如何开发基于EEG的脑机接口应用系统的读者来说，可谓雪中送炭，能令其茅塞顿开。此外，从人才培养角度看，利用或借鉴书中示例，可以比较容易地为学生开展有关脑机接口的教学实验或创新训练。由此可见，引进和翻译这部科技著作，将促进脑机接口知识的普及，也将促进脑机接口领域的人才培养，从而推动脑机接口的研究与应用的发展。
此书的翻译过程秉承忠于原著的原则，同时又力求译文符合汉语表达习惯。我在一些必要之处添加了脚注，以助读者更好地理解。虽经反复修改润色，译文不当之处仍在所难免，希望大家不吝斧正。
感谢晁飞先生引荐我翻译此书。感谢机械工业出版社曲熠、刘松林、桂庆庆等人对翻译工作的关心与支持。当然，也要感谢爱人包揽家务，让我有更多时间静心揣摩；感谢同在厦门的岳父岳母提供无私周到的后勤保障。借此机会，也感谢所有曾帮助过我的人。
虽然翻译过程如同艰辛的长途跋涉，但想到能够通过这部译著为社会和科技的进步奉献绵薄之力，我顿感在字斟句酌、敲打键盘的过程中所消耗的时光和精力是值得付出的，因为人生又增添了一份精彩。
施明辉
厦门大学信息学院人工智能系副教授
2021年9月
译者序
前言
致谢
第1章 绪论1
1.1 基础理论1
1.1.1 脑机接口的成功案例2
1.1.2 脑机接口的市场分析5
1.2 技术回顾7
1.2.1 人脑解剖结构8
1.2.2 从人脑到计算机10
1.2.3 基于有意眨眼的脑机接口与控制的研究概况13
1.3 本书目标14
参考文献15
第2章 基于EEG的脑机接口18
2.1 引言18
2.1.1 基于EEG的BCI系统架构19
2.2 BCI相关技术22
2.2.1 侵入式和部分侵入式BCI技术22
2.2.2 非侵入式BCI技术24
2.3 数据获取27
2.3.1 脑电位27
2.3.2 EEG电极位置的确定28
2.3.3 EEG电极29
2.3.4 EEG信号与节律29
2.3.5 信号预放大、滤波和模数转换30
2.4 预处理30
2.4.1 EEG伪迹31
2.4.2 EEG伪迹去除32
2.5 特征提取38
2.5.1 EEG信号的时域表示39
2.5.2 EEG信号的频域表示42
2.5.3 EEG信号的时-频域表示43
2.5.4 EEG信号的空间域表示43
2.6 分类44
2.6.1 线性分类器44
2.6.2 非线性分类器45
2.6.3 BCI性能评价45
2.7 BCI应用46
2.7.1 诊疗应用47
2.7.2 非诊疗应用50
2.8 本章小结52
参考文献53
拓展阅读59
第3章 EEG信号的实时获取60
3.1 引言60
3.2 采集设备概览62
3.2.1 依据性能指标的选择标准62
3.2.2 各类EEG设备63
3.3 开发基于EEG的BCI以获取眨眼信号73
3.3.1 选择EEG采集设备73
3.3.2 EMOTIV test bench74
3.3.3 理解.edf格式76
3.3.4 捕捉眨眼信号的实验设计76
3.4 将EEG数据导入MATLAB80
3.4.1 EEG信号分析工具箱的选择80
3.4.2 将EEG数据导入EEGLAB81
3.4.3 将EEG数据导入MATLAB工作空间82
3.5 将EEG数据导入Simulink85
3.6 本章小结86
参考文献87
拓展阅读88
第4章 认知分析：时域89
4.1 引言89
4.2 预处理91
4.2.1 预滤波92
4.2.2 对滤波后的EEG数据进行独立成分分析94
4.3 ERP分析97
4.4 不同延迟时刻的ERP脑地形图分析98
4.5 结果与分析99
4.6 本章小结114
参考文献115
第5章 认知分析：频域117
5.1 引言117
5.2 通道的功率谱分析120
5.3 子频带功率分析121
5.4 EEG相干性分析121
5.5 结果与分析124
5.6 本章小结139
参考文献140
拓展阅读141
第6章 基于EEG的BCI：控制应用142
6.1 引言142
6.2 基于眨眼的BCI控制应用开发详解146
6.2.1 使用MATLAB软件的控制触发器147
6.2.2 用于控制应用的Arduino Uno硬件接口148
6.3 采用基于EEG的BCI可能构建的其他控制应用153
6.3.1 利用LabVIEW的BCI控制应用153
6.3.2 利用MATLAB/Simulink的BCI控制应用160
6.4 本章小结163
参考文献163
拓展阅读164
第7章 总结和展望165
7.1 主要贡献165
7.1.1 时域分析166
7.1.2 频域分析167
7.1.3 基于眨眼的BCI控制应用的开发168
7.2 未来方向和总结168
