本书针对目前脑科学研究领域的热点问题，系统阐述了脑电信号分析处理及脑机接口技术的理论方法及实际应用。全书共8章，分为3部分。第1部分为第1章绪论，概述脑电信号处理及脑机接口相关知识、研究现状及应用前景。第2部分包括第2-4章，介绍脑电信号的分析及处理方法，主要内容包括脑电信号的采集、预处理、特征提取及特征分类。第3部分为脑机接口技术分析和应用，由第5-8章组成，主要介绍脑机接口技术现有的应用，包括癫痫检测、运动想象、专注力训练和情绪脑电信号识别等。 本书可以作为通信与电子工程、信号与信息处理、控制科学与工程、生物医学工程等专业的教学参考书，也可供相关专业研究人员及工程技术人员参考使用。

第1章 绪论
1.1 脑科学概述
1.1.1 大脑的结构与功能
1.1.2 脑疾病的诊断与治疗
1.1.3 类脑智能
1.2 脑机接口相关知识概述
1.2.1 脑电信号的知识概述
1.2.2 脑机接口与脑器交互概述
1.2.3 脑机接口信号采集方式
1.2.4 国内外研究现状
1.3 本书内容结构安排
参考文献
第2章 脑电信号采集及预处理
2.1 引言
2.2 脑电信号采集的相关基础知识
2.2.1 脑电信号的分类与来源
2.2.2 国际10-20电极排布系统
2.2.3 脑电信号处理的一般步骤
2.3 脑电信号预处理的相关理论与方法
2.3.1 主成分分析
2.3.2 自适应滤波
2.3.3 独立成分分析
2.3.4 小波阈值去噪
2.3.5 经验模态分解
2.3.6 其他预处理方法
2.4 小结
参考文献
第3章 脑电信号特征提取理论与方法
3.1 引言
3.2 功率谱密度
3.3 自回归分析
3.4 小波变换
3.5 小波包变换
3.6 快速傅里叶变换
3.7 共空间模式
3.8 脑电信号熵特征
3.9 小结
参考文献
第4章 脑电信号特征量分类理论与方法
4.1 引言
4.1.1 机器学习简介
4.1.2 监督学习发展过程
4.2 忌近邻算法
4.2.1 而近邻算法简介
4.2.2 距离度量
4.2.3 惫值的选取
4.2.4 七近邻算法实现步骤
4.2.5 南近邻算法的优缺点
4.2.6 惫近邻算法在脑电信号上的分类仿真
4.2.7 七近邻算法在脑电信号处理中的应用
4.3 线性判别分析算法
4.3.1 线性判别分析算法简介
4.3.2 二分类线性判别分析原理
4.3.3 线性判别分析降维算法流程
4.3.4 线性判别分析算法的优缺点
4.3.5 线性判别分析在脑电信号上的分类仿真
4.3.6 线性判别分析在脑电信号处理中的应用
4.4 支持向量机
4.4.1 支持向量机简介
4.4.2 最优分类超平面
4.4.3 线性支持向量机
4.4.4 非线性支持向量机与核函数
4.4.5 支持向量机的优缺点
4.4.6 支持向量机在脑电信号上的分类仿真
4.4.7 支持向量机在脑电信号处理中的应用
4.5 朴素贝叶斯算法
4.5.1 朴素贝叶斯算法简介
4.5.2 朴素贝叶斯算法在脑电信号上的分类仿真
4.5.3 朴素贝叶斯算法在脑电信号处理中的应用
4.6 深度学习
4.6.1 深度学习简介
4.6.2 人工神经网络
4.6.3 卷积神经网络
4.6.4 卷积神经网络在脑电信号上的分类仿真
4.6.5 卷积神经网络在脑电信号处理中的应用
4.7 小结
参考文献
第5章 脑电信号分析处理及脑机接口技术的医学应用
5.1 引言
5.2 癫痫检测研究背景及意义
5.3 癫痫检测研究概况
5.4 癫痫脑电信号特征提取
5.5 癫痫检测分类器设计
5.6 实际数据测试及分析
5.7 小结
参考文献
第6章 脑电信号分析处理及脑机接口技术的运动想象应用
6.1 研究背景及意义
6.2 运动想象研究现状
6.3 运动想象脑电信号及其特征
6.4 实验范式设计
6.5 运动想象脑电信号的处理方法
6.5.1 预处理
6.5.2 特征提取
6.5.3 特征分类
6.6 小结
参考文献
第7章 大脑专注力的训练与脑控驱动系统的应用
7.1 大脑专注力的训练
7.1.1 专注力的训练方法
7.1.2 专注力的检测方法
7.1.3 专注力脑电信号的处理
7.1.4 专注力训练的应用与脑电专注力检测
7.2 脑控驱动系统的应用
7.2.1 引言
7.2.2 脑控轮椅的组成
7.2.3 脑控轮椅系统的实现
7.3 小结
参考文献
第8章 情绪脑电信号的判断与识别
8.1 引言
8.2 情绪识别的研究方法
8.2.1 脑电信号的采集与情绪识别常用公共数据集简介
8.2.2 基于脑电信号的情绪识别具体实现
8.3 小结
参考文献