一、脑电信号特点及一般处理流程
脑电信号特点：
随机性及非平稳性相当强。人脑是一个庞大而复杂的系统，按生理功能可分为许多基本环节，这些基本环节的生理活动相互影响、相互渗透地交织在一起，而其中存在的联系、制约关系及活动规律还没有被我们清楚地认识。因而，脑电信号表现出明显的随机性，一般不能用数学函数来准确表达，它们的规律主要从大量的统计结果中反映出来。
脑电信号具有非线性。脑电信号是大脑中各种神经元之间相互作用的信号的复杂组合，组合的非线性导致脑电信号具有非线性的特点。
信噪比低。在维持正常生理活动的条件下，生物体的各个基本系统之间存在着有机的联系，因而在脑电信号中存在着严重的背景噪声，而且噪声常常超过信号，导致信噪比很低。
信号微弱。人体脑电信号的强度很微弱，一般在微、毫伏级。
2022-07-18 10:14:22
987KB
1
1、CNN，BCIC IV 2b，无，是.zip
2、ANN BCICIV_2a_gdf，83%，是.zip
3、CRAM，BCICIV 2a_gdf，59.1%，无.zip
7、CNN-SAE，数据BCICIV_2b_gdf，77%，
8、MISCNN，BCICIV_2a mat，73%，无.zip
9、LSTM+CRNN，BCI IV-2A，70%，无.zip
12、TCNet，BCIIV-2A，77.3%，无.zip
13、新算法，BCIIV-2A，2B，seed，数据集，
15、CNN，bciiv-2b，70.7%，无.zip
2022-07-14 21:10:10
105.42MB
运动想象脑电信号的分类正确率直接影响到 BCI 系统的应用价值.为了提高分类正确率,通过对脑电信号的特征提取和分类识别方法的研究,根据运动想象过程中的 ERD/ERS现象,提出利用独立分量分析法对采集到的多导联运动想象脑电信号进行盲源分离,获取与想象任务相关的ICA滤波器,将其作用到预处理后的观测信号上,得到与想象任务相关的脑电成分,再以支持向量机为分类器来实现对三类运动想象任务的脑电信号进行分类识别的方法,并对三位受试者的脑电数据进行了分类实验,实验结果验证了该方法的有效性.
2022-06-01 11:36:13
1.07MB
1
本资源主要是对做情感识别相关实验之后的脑电数据的处理步骤，主要包括选导联通道、重新设置参考电极、提取相应情感的有用信号、并对信号进行滤波和去眼电处理。
2022-05-31 20:20:48
24KB
1
小波变换原理：
小波变换的含义是把某一被称为基本小波（mother wavelet）的函数作位移τ再
在不同尺度α下，与待分析信号X(t)左内积，即
式中，α>0，称为尺度因子，其作用是对基本小波Φ（t）函数作伸缩，τ反映
位移，其值可正可负，α和τ都是连续变量，故又称为连续小波变换（continue
wavelet transform， 简称CWT）。在不同尺度下小波的持续时间随值的加大而增
宽，幅度则与反比减少，但波的形式保持不变。
傅里叶分析是将信号分解成一系列不同频率的正弦波的叠加，同样小波分析
是将信号分解为一系列小波函数的叠加，而这些小波函数都是由一个母小波函数
经过平移和尺度伸缩得来的。
二、小波变换
2022-05-27 17:47:50
987KB
1
用matlab生成谐波代码脑电信号处理
Matlab中的EEG信号预处理和分类。
开发该代码是为了分析EEG信号在抓握和提起任务中区分丝绸，麂皮和砂纸的表面纹理的能力。
此代码中使用的数据是Luciw
et.al.（）生成的数据。
作者提供了一个函数WEEG_GetEventsInHS（），并在此代码中使用了该函数。
此项目使用主题7和11的表面系列试验。
这段代码：
预处理脑电数据
通过主成分分析执行降维（此部分在代码中被注释掉，以从后续技术中生成结果）
生成频谱图
使用在此处找到的函数permutest执行非参数置换测试。
实现SVM分类器并计算准确性，误报率等。
其他信息：乳突通道是通道17和22。由于感兴趣的信号在运动皮层中，因此从乳突通道引用EEG数据。
保留权利的课程中提供了用于多个小波时频分析的函数mttfr（）。
这是文件中提供的一些信息，可能有助于重现该信息：
用法：
[功率，平均，ITC，时间]
=
mttfr（x，fs，freqs，n_cycles，time_bandwidth）
例子：
[功率，平均，ITC，时间]
=
mtffr（x，4000，30：5：100
2022-05-24 09:21:14
5KB
1
常用的EEG脑电数据处理，读写，头皮地形图的绘制及ANOVA-ptest方差统计检验代码
好用，易懂，已注释
2022-05-21 16:00:42
6KB
1
于小波变换的脑电信号特征提取 于小波变换的脑电信号特征提取 于小波变换的脑电信号特征提取 于小波变换的脑电信号特征提取
2022-05-11 12:10:55
993KB
1