本論文主要探討如何理解腦波資訊，尤其是對左右方向的分辨，由於腦波是非常微弱的訊號，因此機器所接收到的腦波訊號，很容易混近許多雜訊。本研究採用簡易式腦波儀，並搭配希爾伯特-黃轉換，將雜訊濾除，取出有用的腦波訊息，再透過統計的方法，試圖找出腦部在思考左右兩個方向的特徵，本研究將來可應用於利用腦波來控制無人飛行器。

This thesis investigates the interpretation of information from brain wave, especially the way to distinguish the directions. Brain wave is so weak that many noises will be included in the received signal by an Electroencephalogram (EEG). In this research a simple EEG is used, and the Hilbert-Huang Transformation (HHT) is employed to perform empirical mode decomposition (EMD). Once the signal is decomposed, brain wave signal can be identified. Hypothesis testing in statistics is also introduced to characterize the signal. The results of this thesis is potentially applicable to the control of UAVs using EEG in the future.

目錄
致謝     I
中文摘要     II
英文摘要     III
1 緒論1
1.1 研究動機. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 文獻回顧. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 研究方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 腦波概述4
2.1 大腦皮質結構. . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 腦波訊號的產生. . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 腦波的性質. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 使用理論簡介9
3.1 希爾伯特-黃轉換. . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.1 固有模態函數(IMF) . . . . . . . . . . . . . . . . . . . . 10
3.1.2 經驗模態分解(EMD) . . . . . . . . . . . . . . . . . . . . 10
3.1.3 希爾伯特轉換(HT) . . . . . . . . . . . . . . . . . . . . . 17
3.1.4 瞬時頻率(IF) . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 假設檢定. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2.1 統計假設. . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2.2 檢定統計量. . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.3 建立決策法則. . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.4 決策失誤(錯誤率) . . . . . . . . . . . . . . . . . . . . . 21
3.2.5 t 值檢定. . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.6 兩母群體平均數差之檢定. . . . . . . . . . . . . . . . . . 23
4 實驗與分析25
4.1 實驗設備與流程. . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.1 實驗設備. . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1.2 實驗流程. . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.1.3 訓練數據. . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2 HHT 濾波分析. . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.1 測試範例. . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.2.2 實驗數據分析. . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 統計分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4 預測實驗分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.4.1 預測實驗流程. . . . . . . . . . . . . . . . . . . . . . . . 38
4.4.2 統計分析之邏輯判斷. . . . . . . . . . . . . . . . . . . . 39
4.4.3 預測分析結果. . . . . . . . . . . . . . . . . . . . . . . . 40
4.5 結果討論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5 結論與未來展望43
5.1 結論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 未來展望. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
參考文獻44
附錄A 46
附錄B 47
附錄C 57
附錄D 67

圖目錄
2.1 大腦的結構[20] . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 大腦皮層的功能區[21] . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 神經元構造[22] . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4 EEG 電位偵測原理. . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 不同型式的腦波[23] . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1 希爾伯特-黃轉換流程圖. . . . . . . . . . . . . . . . . . . . . . 9
3.2 原始訊號圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 局部極大值. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 局部極大值包絡線. . . . . . . . . . . . . . . . . . . . . . . . . 11
3.5 局部極小值. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.6 局部最小值包絡線. . . . . . . . . . . . . . . . . . . . . . . . . 12
3.7 均值包絡線. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.8 原始訊號與均值連線之差. . . . . . . . . . . . . . . . . . . . . . 13
3.9 EMD 流程圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.10 假設檢定程序圖. . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.11 統計假設檢定. . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.12 Z 分配與t 分配的機率密度函數. . . . . . . . . . . . . . . . . . 22
3.13 兩非常態母群體平均數差之檢定程序[19] . . . . . . . . . . . . . 23
4.1 EEG2000T 腦波儀. . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2 腦波儀貼片位置. . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3 實驗流程圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.4 訓練數據實驗流程. . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5 實驗中的腦波訊號. . . . . . . . . . . . . . . . . . . . . . . . . 27
4.6 原始訊號. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.7 EMD 處理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.8 IMF1 的FFT 頻譜圖. . . . . . . . . . . . . . . . . . . . . . . . 29
4.9 IMF2 的FFT 頻譜圖. . . . . . . . . . . . . . . . . . . . . . . . 29
4.10 希爾伯特-黃頻譜. . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.11 新的原始訊號. . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.12 新的原始訊號做EMD 處理. . . . . . . . . . . . . . . . . . . . 31
4.13 新的原始訊號之HHT 頻譜. . . . . . . . . . . . . . . . . . . . . 32
4.14 應用HHT 濾波流程. . . . . . . . . . . . . . . . . . . . . . . . 32
4.15 腦波原始數據. . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.16 腦波經EMD 處理. . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.17 腦波訊號之HHT 頻譜. . . . . . . . . . . . . . . . . . . . . . . 34
4.18 IMF1 至IMF6 所對應的時頻圖. . . . . . . . . . . . . . . . . . 34
4.19 IMF7 至IMF12 所對應的時頻圖. . . . . . . . . . . . . . . . . . 35
4.20 過濾後的腦波訊號之HHT 頻譜. . . . . . . . . . . . . . . . . . 35
4.21 第一組預測實驗流程圖. . . . . . . . . . . . . . . . . . . . . . . 38
4.22 第二組預測實驗流程圖. . . . . . . . . . . . . . . . . . . . . . . 39
4.23 第三組預測實驗流程圖. . . . . . . . . . . . . . . . . . . . . . . 39
1 訓練數據1 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 47
2 訓練數據1 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 47
3 訓練數據2 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 48
4 訓練數據2 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 48
5 訓練數據3 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 49
6 訓練數據3 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 49
7 訓練數據4 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 50
8 訓練數據4 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 50
9 訓練數據5 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 51
10 訓練數據5 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 51
11 訓練數據6 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 52
12 訓練數據6 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 52
13 訓練數據7 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 53
14 訓練數據7 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 53
15 訓練數據8 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 54
16 訓練數據8 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 54
17 訓練數據9 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 55
18 訓練數據9 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . . 55
19 訓練數據10 左腦腦波. . . . . . . . . . . . . . . . . . . . . . . 56
20 訓練數據10 右腦腦波. . . . . . . . . . . . . . . . . . . . . . . 56
21 訓練數據1 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 57
22 訓練數據1 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 57
23 訓練數據2 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 58
24 訓練數據2 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 58
25 訓練數據3 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 59
26 訓練數據3 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 59
27 訓練數據4 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 60
28 訓練數據4 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 60
29 訓練數據5 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 61
30 訓練數據5 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 61
31 訓練數據6 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 62
32 訓練數據6 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 62
33 訓練數據7 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 63
34 訓練數據7 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 63
35 訓練數據8 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 64
36 訓練數據8 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 64
37 訓練數據9 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 65
38 訓練數據9 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . . 65
39 訓練數據10 左腦腦波(EMD) . . . . . . . . . . . . . . . . . . . 66
40 訓練數據10 右腦腦波(EMD) . . . . . . . . . . . . . . . . . . . 66
41 訓練數據1 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 67
42 訓練數據1 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 67
43 訓練數據2 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 68
44 訓練數據2 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 68
45 訓練數據3 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 69
46 訓練數據3 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 69
47 訓練數據4 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 70
48 訓練數據4 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 70
49 訓練數據5 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 71
50 訓練數據5 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 71
51 訓練數據6 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 72
52 訓練數據6 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 72
53 訓練數據7 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 73
54 訓練數據7 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 73
55 訓練數據8 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 74
56 訓練數據8 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 74
57 訓練數據9 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 75
58 訓練數據9 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . . 75
59 訓練數據10 左腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . 76
60 訓練數據10 右腦腦波HHT 頻譜. . . . . . . . . . . . . . . . . 76

表目錄
3.1 EMD 流程表. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 假設檢定的四種可能組合. . . . . . . . . . . . . . . . . . . . . . 21
4.1 左、右腦想左右之差異顯著. . . . . . . . . . . . . . . . . . . . 37
4.2 腦波想左右差異顯著之判斷左右. . . . . . . . . . . . . . . . . . 40
4.3 第一組預測分析結果. . . . . . . . . . . . . . . . . . . . . . . . 40
4.4 第二組預測分析結果. . . . . . . . . . . . . . . . . . . . . . . . 41
4.5 第三組預測分析結果. . . . . . . . . . . . . . . . . . . . . . . . 41

[1] 黃政傑、江惠真，“人是什麼：生命教育”，復文圖書有限公司，pp. 284-291，2010
[2] Millett, David.,“Hans Berger from psychic energy to the EEG”. Perspectives in Biology and Medicine, Vol. 44, Num. 4, pp. 522-542, 2001
[3] 陳慧雯譯，Susan A. Greenfield 原著“大腦小宇宙”，天下文化出版社，台北，1998
[4] 黃進強，“交流耦合平衡增益之腦波量測系統”，碩士論文，電機工程研究所，國立中央大學，桃園，2007
[5] 湯雅雯，“腦波量測系統之研製與腦波信號之非線性分析”，碩士論文，電機工程研究所，國立成功大學，桃園，台南，2005
[6] James S. Walker.,“A primer on wavelets and their scientific applications”. Eau Claire, Wisconsin, U.S.A ,2008
[7] 黃嘉銘，“聲音及振動訊號之時頻分析”，碩士論文，航空太空工程研究所，國立成功大學，台南，2007
[8] Huang,N.E.,“The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis”. J. Proc. R. Soc. Londn. A, pp. 903-995, 1998
[9] 陳振雄，“應用希爾伯特-黃轉換之訊號濾波研究”，Journal of Science and Engineering Technology, Vol. 6, Num. 1, pp. 75-84, 2010
[10] 羅凱文，“HHT 與熵理論應用於荖濃溪流域颱風降雨特性之分析”，碩士論文，水資源及環境工程研究所，淡江大學，台北，2013
[11] Hassan Sharabaty, Jordi Martin, Bruno Jammes, Daniel Esteve.,“Alpha and Theta Wave Localisation Using Hilbert-Huang Transform: Empirical Study of the Accuracy”. Information and Communication Technologies, 2006
[12] Hassan Sharabaty, Bruno Jammes, Daniel Esteve.,“EEG analysis using HHT: One step toward automatic drowsiness scoring”. 22nd International Conference on Advanced Information Networking and Applications Workshops, 2008
[13] Yi Li and Fan Yingle and Li Gu, Tong Qinye.,“EEG analysis using HHT: One step toward automatic drowsiness scoring”. Industrial Electronics and Applications, 2009
[14] Ahmet Mert, Aydin Akan.,“HILBERT-HUANG TRANSFORM BASED HIERARCHICAL CLUSTERING FOR EEG DENOISING”. Signal Processing Conference, 2013
[15] 陳世中，“腦波視覺誘發電位分析與應用”，碩士論文，電機工程研究所，南台科技大學，台南，2008
[16] 黃昭翰，“應用腦波於游標控制之腦機介面系統”，碩士論文，資訊教育研究所，國立台南大學，台南，2005
[17] 張菀珍、葉榮木、蔡俊明、劉昀松，“想像幾何左右旋轉與左右手動之辨識率比較”，資訊科學應用期刊，第六眷，第一期，pp. 1-28, 2010
[18] 王鈺山、孫光天，“獨立成份分析法應用於手動腦波游標控制之研究”，Proceeding of International Medical Informatics Symposium in Taiwan, 2007
[19] 吳冬友、楊玉坤著“基礎統計學”，五南圖書出版股份有限公司，台北，2012
[20] http://210.60.246.140/bio/2010/PDF/6-3(2).pdf
[21] http://sa.ylib.com/saeasylearn/images/109-2.jpg
[22] http://www.ling.fju.edu.tw/hearing/brain-into.htm
[23] http://s14235623.blogspot.tw/2011/05/eeg-and-machine.html