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。
本书适用于认知神经科学、心理学和生物医学工程等学科的科研工作者，以及其他有能力理解和掌握数据分析方法却缺乏数学和工程学背景知识的业余爱好者。

胡理，中国科学院心理研究所研究员，中国科学院大学岗位教师，博士生导师，国家优秀青年科学基金获得者。主要运用电生理和神经影像技术，研究疼痛信息处理的脑神经机制，探索客观准确的疼痛评估方法，开发基于心理物理法的镇痛策略。近年来主持多项国家自然科学基金和世界疼痛研究学会国际合作基金等项目。在Trends in Neurosciences、PNAS、Nature Communications、Journal of Neuroscience和PAIN等专业期刊发表学术论文100余篇。

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 鉴别最优的类别数目
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