人腦是整個宇宙中最為神秘的器官，解碼人腦活動規(guī)律以探索智慧和生命的奧秘令無數(shù)科學家心馳神往。隨著全球腦研究的持續(xù)升溫，特別是2013年歐美先后啟動具有戰(zhàn)略意義的人腦研究計劃，腦相關(guān)的科學研究對于提升人類健康水平、帶動相關(guān)產(chǎn)業(yè)發(fā)展、刺激經(jīng)濟發(fā)展和促進社會進步勢必帶來革命性的意義。
　　從人的頭皮采集到的腦電（electroencephalogram，EEG）信號作為大腦信息處理過程中所發(fā)生的電生理活動的一個直觀而無損的反映，因其獨特的屬性（無創(chuàng)、高時間分辨率、使用簡便等）而日益成為相關(guān)腦研究中必不可少的研究手段，特別為監(jiān)測腦的研究提供了一種重要的技術(shù)支持。EEG解碼技術(shù)涉及神經(jīng)科學、認知心理學和智能信息處理等領域，它是從原始EEG信號中獲取與任務相關(guān)的模式，解碼腦的不同任務狀態(tài)，旨在揭示人腦認知思維活動模式，建立腦活動的意向與行為之間的關(guān)聯(lián)，達到認識腦、保護腦和開發(fā)腦的目的。本書的主要研究總結(jié)如下：
　　（1）為了準確地提取EEG信號的特征信息，提高腦思維任務的分類精度，在研究小波包變換的基礎上，提出了一種改進小波包分解EEG特征的抽取方法。該方法首先進行小波包分解，然后結(jié)合能反映EEG信號在時域與頻域上的能量分布特征的小波熵概念，從小波包庫中選擇最優(yōu)小波包基，最后利用不同腦思維任務下腦區(qū)活動的非平衡性，對不同導聯(lián)EEG信號求取不對稱率來構(gòu)成特征向量。實驗采用一個5類不同腦思維任務EEG數(shù)據(jù)集，結(jié)果表明該方法具有較高的平均分類精度。本研究為腦思維任務下EEG信號的特征抽取提供了新的思路。
　�。�2）EEG信號是腦一機接口（brain-computerinterface，BCI）-個重要的信號來源。為了更有效和可靠地對原始EEG信號進行解碼，我們針對基于EEG的運動想象BCI多任務分類問題，提出了一套新的具有魯棒性的處理框架。該框架可以直接處理帶有噪聲的原始EEG信號，而不用領域?qū)＜覍π盘杺污E進行手工標注和剔除。同時，該框架能夠自動選擇與任務相關(guān)聯(lián)的EEG通道，從而減少計算復雜度。我們采用最新的競賽數(shù)據(jù)集dataset2a-BCICompetitionⅣ驗證了所提出的框架及其相關(guān)處理算法，結(jié)果證實了對于原始包含偽跡的運動想象EEG信號，該處理框架及算法比競賽公布的前3名具有更好的分類性能。