在科技飞速发展的今天，脑机接口技术正逐渐从实验室走向现实应用，为人类社会带来前所未有的变革。本书简要概述了脑机接口的基础，重点介绍了脑电信号的神经科学基础和采集；脑电信号预处理与去伪迹；脑电信号特征分析；脑电信号特征分类方法等内容，旨在为读者提供脑机接口及脑电信号分析领域的全面知识和实用技术方法。 本书适宜从事脑机接口领域的技术人员参考，也可供机器人、人工智能、医疗康复等相关专业人士参考。

1 脑机接口概述
1.1 脑机接口的研究意义
1.2 脑机接口系统的基本构成
1.3 脑机接口的研究现状和趋势
1.3.1 脑机接口的研究现状
1.3.2 脑机接口的发展趋势
1.4 本书各章节内容安排
参考文献
2 脑电信号的神经科学基础和采集
2.1 概述
2.2 脑电信号的神经科学基础
2.2.1 脑电信号的产生机理
2.2.2 脑电采集的位置及信号特点
2.2.3 脑电信号的分类
2.3 脑电信号的采集
2.3.1 脑电信号采集设备和技术
2.3.2 脑电信号的影响因素
2.3.3 常用的脑电信号分析工具箱
2.4 本章小结
参考文献
3 脑电信号预处理与去伪迹
3.1 脑电信号伪迹种类及其来源
3.1.1 生理伪迹
3.1.2 非生理伪迹
3.2 脑电信号预处理基本过程
3.2.1 滤波
3.2.2 剔除坏段、坏道
3.2.3 基于ICA的伪迹去除
3.2.4 重参考
3.2.5 基线校正
3.3 脑电信号的其他伪迹去除方法
3.3.1 典型关联分析
3.3.2 盲源分离
3.3.3 小波变换法
3.3.4 回归法
3.3.5 经验模态分解
3.4 本章小结
参考文献
4 脑电信号特征分析
4.1 脑电信号特征提取
4.1.1 时域特征提取法
4.1.2 频域特征提取法
4.1.3 时频域特征提取法
4.1.4 空域特征提取法
4.1.5 非线性特征提取法
4.1.6 黎曼几何
4.2 脑电信号特征降维
4.2.1 主成分分析
4.2.2 最大相关最小冗余
4.2.3 遗传算法
4.3 其他脑电信号特征分析方法
4.4 本章小结
参考文献
5 脑电信号特征分类方法
5.1 基于传统机器学习的分类方法
5.1.1 线性判别分析算法
5.1.2 K近邻算法
5.1.3 支持向量机算法
5.1.4 朴素贝叶斯算法
5.1.5 反向传播神经网络算法
5.1.6 集成学习算法
5.2 基于深度学习的分类方法
5.2.1 卷积神经网络
5.2.2 循环神经网络
5.3 其他脑电信号特征分类方法
5.4 本章小结
参考文献