本站将于近期进行系统升级及测试，您目前浏览的网站为旧版备份，因此可能会有部分显示和功能错误，为此带来的不便深表歉意。

图书:脑电信号处理与特征提取：修订间差异

来自心百科，心灵的百科全书
可视化wikitext
创建页面，内容为“{{InfoboxBook |BookName=脑电信号处理与特征提取 |Cover=脑电信号处理与特征提取.jpg |Method=著 |Authors={{Author |Name=胡理 |IfAuthentic=是 }}{{Author |Name=张治国 |IfAuthentic=是 }} |Publisher=科学出版社 |PublishedDate=2020-12-01 |Format=平装 |Edition=1 |PageCount=460 |Currency=人民币 |Price=168.00 |Seires=认知神经科学书系 |ISBN=9787030667137 |CLC=R741.044 |Level=专业 |Tags=脑电, 脑科学 |EBook=扫描版 }}…”
 
无编辑摘要
 
第23行： 第23行：
|Tags=脑电, 脑科学
|Tags=脑电, 脑科学
|EBook=扫描版
|EBook=扫描版
|JDLink=https://union-click.jd.com/jdc?e=618%7Cpc%7C&p=JF8BAQcJK1olXwMAVl5bCU8VBV8IGVsUXwUFXW4ZVxNJXF9RXh5UHw0cSgYYXBcIWDoXSQVJQwYAVF9fC0weHDZNRwYlGVFkDwMpdSl0dGh0Xx9gHFRUHFwleEcbM244GFoUWQQHV1lfCHsnA2g4STXN67Da8e9B3OGY1uefK1olXQACVFpYCEkVC2sMHGsSXQ8ygNDq3P-W1--8z8mPbTYyV25aCEIDBR1JSU8TLzYyVG5eOEsWA2cLG1sUVAQFSF5eC0gWA3MIHVsVWQMCVl5eCkMfM20JGl8cbTYyJig6VzEeaARBezxJXQBADBsaVQ0fdRtxdVljJEFlBF4LSAJcSB1-UjlTXDYHZA
}}
}}
《'''脑电信号处理与特征提取'''》是[[科学出版社]]于2020年出版的图书，作者是胡理、张治国等。
《'''脑电信号处理与特征提取'''》是[[科学出版社]]于2020年出版的图书，作者是胡理、张治国等。
第166行： 第167行：


'''结语'''
'''结语'''
|OtherVersions={{书籍版本列表}}
}}
}}

2024年3月27日 (三) 20:09的最新版本

脑电信号处理与特征提取
作者
出版社科学出版社
出版日期2020年12月
装帧平装
页数460
定价168.00 元
系列认知神经科学书系
ISBN9787030667137
中图法分类号R741.044
0.00
(0票)
购买链接京东

《脑电信号处理与特征提取》是科学出版社于2020年出版的图书，作者是胡理、张治国等。

脑电的独特优势使其在临床和科学研究中广泛应用。随着人脑电活动实时测量技术的逐步提高，一系列脑电信号处理方法得到快速发展，脑电有望成为更有效和通用的研究大脑功能的工具。本书各章由相关领域拥有丰富经验的优秀研究者撰写，旨在以全面、简洁且通俗易懂的方式，呈现作者对脑电技术本身及信号处理方法的深入理解和应用心得，向读者提供覆盖脑电神经基础、主流脑电信号处理和特征提取方法相关的概念、数学及应用知识。大多数章节还链接了MATLAB软件、代码和示例数据。

丛书序（杨玉芳　吴艳红）

序一（罗跃嘉）

序二（尧德中）

前言

缩略语表

第一章　脑电的神经起源和测量

  • 第一节　脑电的神经起源
  • 第二节　脑电测量

第二章　脑电、诱发电位和事件相关电位

  • 第一节　自发性脑电活动
  • 第二节　诱发电位和事件相关电位
  • 第三节　EP和ERP的概述
  • 第四节　常见的EP和ERP成分
  • 第五节　脑电技术的优势和局限性

第三章　ERP实验设计

  • 第一节　实验设计与认知过程
  • 第二节　ERP实验的技术性要求
  • 第三节　实验的无关因素
  • 第四节　经典实验设计及对应的ERP成分

第四章　脑电数据的预处理与降噪

  • 第一节　脑电信号中的伪迹
  • 第二节　导联方法
  • 第三节　滤波
  • 第四节　重参考
  • 第五节　脑电分段和基线校正
  • 第六节　剔除或插值坏导
  • 第七节　剔除坏段
  • 第八节　基于ICA的伪迹去除
  • 第九节　总结

第五章　频谱分析和时频分析

  • 第一节　简介
  • 第二节　频谱估计
  • 第三节　时频分析
  • 第四节　事件相关同步化/去同步化

第六章　盲源分离

  • 第一节　盲源分离算法简介
  • 第二节　主成分分析与旋转在事件相关电位分析中的应用
  • 第三节　独立成分分析在连续脑电中的应用
  • 第四节　张量分解在事件相关电位研究中的应用

第七章　微状态分析

  • 第一节　基础概念
  • 第二节　微状态分析中的空间聚类算法
  • 第三节　鉴别*优的类别数目
  • 第四节　匹配模板图和电压图
  • 第五节　经常使用微状态参数
  • 第六节　微状态分析中的可用工具
  • 第七节　总结

第八章　源分析

  • 第一节　正问题
  • 第二节　逆问题
  • 第三节　贝叶斯
  • 第四节　未来的发展方向
  • 第五节　应用实例
  • 第六节　总结

第九章　单试次分析

  • 第一节　单试次分析简介
  • 第二节　如何进行单试次分析
  • 第三节　单试次分析的潜在应用

第十章　非线性神经动力学

  • 第一节　非线性神经动力学简介
  • 第二节　复杂度
  • 第三节　熵
  • 第四节　赫斯特指数
  • 第五节　递归图
  • 第六节　总结

第十一章　连通性分析

  • 第一节　共同源问题
  • 第二节　EEG连通性分析中的指标
  • 第三节　总结
  • 第四节　示例
  • 第五节　本章结语

第十二章　空间复杂脑网络

  • 第一节　图论与复杂网络
  • 第二节　空间复杂脑网络
  • 第三节　总结

第十三章　时序复杂网络分析

  • 第一节　复杂网络简介
  • 第二节　典型复杂网络时间序列分析方法
  • 第三节　复杂网络时间序列分析的两种方法

第十四章　机器学习

  • 第一节　机器学习分析简介
  • 第二节　机器学习分析的脑电特征
  • 第三节　机器学习分析训练
  • 第四节　机器学习分析的特征选择和降维
  • 第五节　机器学习分析的选择分类器
  • 第六节　机器学习分析的评价结果
  • 第七节　机器学习分析的模式表达
  • 第八节　展望：深度学习算法
  • 第九节　机器学习分析示例

第十五章　深度学习

  • 第一节　深度学习简介
  • 第二节　深度学习模型
  • 第三节　在EEG信号中应用的两个示例

第十六章　统计分析

  • 第一节　统计学基础
  • 第二节　假设检验
  • 第三节　方差分析
  • 第四节　相关分析与回归分析
  • 第五节　非参数检验
  • 第六节　多重比较问题

第十七章　同步脑电-功能磁共振

  • 第一节　同步脑电-功能磁共振的硬件系统
  • 第二节　伪迹去除
  • 第三节　基于fMRI约束的EEG源成像
  • 第四节　基于EEG信息的fMRI分析
  • 第五节　多模态脑网络
  • 第六节　应用实例
  • 第七节　总结

第十八章　EEG/ERP数据分析工具箱

  • 第一节　EEG/ERP数据分析工具箱简介
  • 第二节　Letswave介绍
  • 第三节　下载和安装
  • 第四节　单个被试分析的示例
  • 第五节　多个被试分析的示例
  • 第六节　绘图和批处理
结语
检索自“https://wiki.mindseed.cn/index.php?title=图书:脑电信号处理与特征提取&oldid=27307”