自1929年，德國醫生漢斯‧柏格(Hans Berger,)，成功的以腦波圖(electroencephalogram)紀錄人類的腦波活動，腦電波開始有了較詳細的文獻紀載。過去醫學界常利用腦電波進行各項療程，以腦機介面（Brain-computer Interface, BCI）為最為著名。在眾多研究者的努力之下，也開始被用於學習輔助與休閒娛樂上。近年來，隨著晶片不斷地進步，虛擬實境相較以往不再那麼地笨重與昂貴，開始有許多廠商製造相關的設備；然而，很少有抓取生理訊號作為虛擬實境的輔助工具。本研究使用VR結合腦波儀器，設計實驗讓受測者觀看一段影片，在音量、環境…等因素在相同的情況下，一次使用VR觀看，另一次使用2D螢幕觀看，並擷取其腦波。本研究總共蒐集30個有效樣本，經過MATLAB上的EEGLAG套件將腦波分析，將頭頂上14個頻道之腦波的α波與β波濾出，並計算出每個頻道功率平均，再透過統計檢定方法來驗證其是否有顯著差異，以作為腦機介面與虛擬實境結合的參考依據。

Since 1929, the German doctor Hans Berger has successfully recorded the brainwave activity of humans with an electroencephalogram. After that, more and more research Brainwaves began to have more and more detailed research. In the past, the medical profession often used brain waves to perform various treatments, and the brain-computer interface (BCI) was the most famous. Under the efforts of many researchers, BCI has also begun to be used for learning and entertainment. In recent years, with the continuous advancement of wafers, virtual reality is no longer so bulky and expensive, and many equipment about virtual reality have be created. However, few physiological signals are captured as an aid to virtual reality. This study used VR combined with brain wave and design an experiment. Let subject watch a short film. In the same situation, let subject watch it with virtual reality in the first time, and the other time, let them watch it with 2D screen. Capture the brain wave while watching the film. . A total of 30 valid samples were collected in this study. Use the EEGLAG kit on MATLAB to analyze the brain waves, and filter alpha and beta waves of the brain waves on the top 14 channels. Finally, the average power calculated for each channel, and then through statistical verification method to verify whether there are significant differences. As a reference for the combination of brain-computer interface and virtual reality.

第一章　緒論	1
1.1	研究背景與動機	1
1.2	研究目的	2
1.3	研究流程	3
 第二章　文獻探討	4
2.1	虛擬實境(Virtual Reality, VR)	4
2.1.1	VR成像原理	4
2.2	腦波量測	6
2.2.1	大腦基本構造	6
2.2.2	腦波訊號來源	7
2.2.3	腦波分類	8
2.3	腦機介面（Brain-computer Interface, BCI）	9
2.3.1	侵入式腦機介面	10
2.3.2	部分侵入式腦機介面	10
2.3.3	非侵入式腦機介面	10
 第三章　研究方法	11
3.1	實驗對象	11
3.2	實驗設計	11
3.3	實驗流程	13
3.4	研究工具	16
3.4.1	腦波儀器(Electroencephalography ,EEG)	16
3.4.2	E-prime 2.0	18
3.4.3	腦波解析	18
 第四章　實驗結果	24
4.1	腦波樣本結構描述	24
4.2	資料分析	29
 第五章　結論與建議	32
參考文獻	35
其他附錄	38

圖 1 1：研究流程	3
圖 2 1： VR眼鏡	5
圖 2 2： 使用VR眼鏡觀看3D示意圖(左)與實際上螢幕成像示意圖(右)	5
圖 3 1：影片播放流程	12
圖 3 2：影片時間戳記編號102處(2D)	12
圖 3 3：影片時間戳記編號102處(VR)	12
圖 3 4：實驗流程	15
圖 3 5：Emotiv公司生產的EPOC腦波儀器	16
圖 3 6： EPOC傳回電腦端接收到之腦波訊號	17
圖 3 7：14個頻道位置圖	17
圖 3 8：E-prime2.0上影片的時間戳記設定	18
圖 3 9：匯入的腦波資料做頻道對應	19
圖 3 10：均波	20
圖 3 11：濾全波	20
圖 3 12：選擇所有頻道使用ICA運算	21
圖 3 13：將ICA運算後的腦波透過ADJUST濾掉每個頻道眨眼的腦波	22
圖 3 14：濾出α波	22
圖 3 15：濾出β波	23
圖 4 1：Channel Name與Channel Number對應腦部位置圖	24
圖 4 2：α波，不使用VR(左)，使用VR(右)	25
圖 4 3：α波，不使用VR(左)，使用VR(右)	25
圖 4 4：β波，不使用VR(左)，使用VR(右)	26
圖 4 5：β波，不使用VR(左)，使用VR(右)	26
圖 4 6：α波，不使用VR(左)，使用VR(右)	27
圖 4 7：β波，不使用VR(左)，使用VR(右)	27
圖 4 8：ANOVA檢定後α波呈顯著的頻道	30
圖 4 9：ANOVA檢定後β波呈顯著的頻道	31
圖 5 1：ANOVA檢定後α波呈顯著的頻道	32
圖 5 2：ANOVA檢定後β波呈顯著的頻道	33


表 3 1：實驗控制變數、自變數與應變量對照表	13
表 4 1：Channel Name與Channel Number對應表	24
表 4 2：時間戳記101處不使用VR之α波	28
表 5 1：時間戳記101處不使用VR之α波	47
表 5 2：時間戳記101處不使用VR之β波	47
表 5 3：時間戳記101處使用VR之α波	48
表 5 4：時間戳記101處使用VR之β波	48
表 5 5：時間戳記102處不使用VR之α波	49
表 5 6：時間戳記102處不使用VR之β波	49
表 5 7：時間戳記102處使用VR之α波	50
表 5 8：時間戳記102處使用VR之β波	50
表 5 9：時間戳記104處不使用VR之α波	51
表 5 10：時間戳記104處不使用VR之β波	51
表 5 11：時間戳記104處使用VR之α波	52
表 5 12：時間戳記104處使用VR之β波	52
表 5 13：時間戳記101處，ANOVA檢定後的α波	53
表 5 14：時間戳記101處，ANOVA檢定後的β波	54
表 5 15：時間戳記102處，ANOVA檢定後的α波	55
表 5 16：時間戳記102處，ANOVA檢定後的β波	56
表 5 17：時間戳記104處，ANOVA檢定後的α波	57
表 5 18：時間戳記104處，ANOVA檢定後的β波	58

[1]	A. Mogonon, J. Jovicich, L. Bruzzone and M. Buiatti, 2011. “ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features” ,Psychophysiology, no.48, pp. 229–240.
[2]	B. Cahn, Rael, Polich, John, 2013.“Meditation states and traits: EEG, ERP, and neuroimaging studies”, Psychology of Consciousness: Theory, Research, and Practice, vol 1(S), pp. 48-96.
[3]	D. William.and K. Nathaniel, 1957. ”Cyclic variations in EEG during sleep and their relation to eye movements, body motility, and dreaming”, Electroencephalography and Clinical Neurophysiology. vol. 9, Issue 4, pp. 673-690.
[4]	G. Vecchiato, J. Toppi, L. Astolfi, F. D. V.Fallani, F. Cincotti, D. Mattia, F. Bez, and F. Babiloni, 2011“Spectral EEG frontal asymmetries correlate with the experienced pleasantness of TV commercial advertisements,” Med Biol Eng Comput, vol. 49, no. 5, pp. 579-583.
[5]	G. W. Stanley, 1935. “Pygmalion's Spectacles. Createspace” Independent Pub (US). ISBN
[6]	J. Blascovich, J. Loomis, A. C. Beall, K. R. Swinth, C. L. Hoyt, and J. N. Bailenson, 2002, “Immersive virtual environment technology as a methodological tool for social psychology”. Psychological Inquiry 13, pp. 103–124.
[7]	J. D. Bayliss, and D. H. Ballard, 2000. “Single trial P3 epoch recognition in a virtual environment”. Neurocomputing, 32, pp. 637–642.
[8]	J. R. Wolpaw, N. Birbaumer, D. J. McFarland, G. Pfurtscheller, and T. M. Vaughan, 2002. “Brain-computer interfaces for communication and control. Clinical neurophysiology”,  official journal of the International Federation of Clinical Neurophysiology , pp. 113, 767-791.
[9]	J. Tromp, D. Peeters, A. S. Meyer, P. Hagoort, 2017. “The combined use of virtual reality and EEG to study language processing in naturalistic environments”, First Online: 26.
[10]	K. Elias, A. Elias, M. Antonis, N. P. George, S. Costas, 2013.“Indication of increased phase coupling between theta and gamma EEG rhythms associated with the experience of auditory verbal hallucinations”, Neuroscience Letters, vol. 534, pp. 242–245.
[11]	L. D. Liao, K. McDowell, K. Gramann, T. P. Jung, J.Y. Chang, 2012. “Biosensor Technologies for Augmented Brain-Computer Interfaces in the Next Decades”, Proceedings of the IEEE 100, pp. 1553-1566. doi:10.1109/JPROC.2012.2184829
[12]	L. F. Frølich, 2011.”Statistical evaluation of features in classification problems with applications to detection of hypoglycemic conditions based on EEG data”..
[13]	P. L. Simon, E. H. Jane, L. B. Spencer, K. K. Ramesh, A. S. Lori, M. R. Mitchell, A. P. Erasmo, A. R. Donald, V. E. Kost, J. S. and Brien, 2000 “A direct brain interface based on event-related potentials”, IEEE transactions on rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society, vol. 8, no. 2, pp.180–5.
[14]	S. E. Kober, J. Kurzmann, and C. Neuper, 2012 “Cortical correlate of spatial presence in 2D and 3D interactive virtual reality:An EEG study”, International Journal of Psychophysiology, vol. 83, pp. 365–374.
[15]	S. J. Luck and S.A. Hillyar, 1994.“Electrophysiological correlates of feature analysis during visual search”, Psychophysiology, vol. 31, pp.291-308.
[16]	T. Budi, L. Sara , F. Peter, B. Evangelos, 2009 ”Using EEG spectral components to assess algorithms for detecting fatigue”, Expert Systems with Applications, vol. 36, pp. 2352-2359..
[17]	T. Gijssels, L. S. Casasanto, K. Jasmin, P. Hagoort, and D. Casasanto. 2016. “Speech accommodation without priming: The case of pitch. Discourse Processes”, pp. 233–251.
[18]	T. Liu, J. Shi, D. Zhao, and J. Yang, 2008.“The event related low frequency activity of highly and average intelligent children,” High Ability Studies , vol 19, no 2, pp. 131-139.
[19]	W. Klimesch, P. Sauseng, S. Hanslmayr, 2007. “EEG alpha oscillations: The inhibition–timing hypothesis”, Brain Research Reviews, vol. 53, Issue 1, pp. 63-88.
[20]	劉丹. (2016). VR簡史:一本書讀懂虛擬現實.中華人民共和國：人民郵電出版社.
[21]	新星出版社編集部(2007), 徹底圖解大腦的奧秘. 日本：新星出版社.