为实现眼电伪迹的自动去除，提高算法的有效性和稳健性，提出一种眼电伪迹自动去除算法。采用样本熵和一种通用的伪迹判决方法对眼电伪迹进行自动识别，通过脑电信号的重构实现眼电伪迹的去除。实验结果表明，对于不同长度的真实脑电信号，该算法均能准确地去除眼电伪迹，较好地保留其他的脑电信号成分，且可以完全自动地去除眼电伪迹，适用于实时场合。

基于模糊熵的运动想象脑电信号特征提取

用于提取脑电信号的DE（差分熵特征/微分熵特征）和PSD（功率谱密度特征）特征的matlab和python代码。

自行整理的Deap脑电数据集，已上传百度网盘，欢迎有需要的朋友下载，如失效请联系。 这些文件包含Matlab中数据的下采样（至128Hz）、预处理和分段版本（数据预处理）_matlab.zip文件)和pickled python/numpy（数据预处理）_python.zip文件)格式。这个版本的数据非常适合那些希望快速测试分类或回归技术而不需要首先处理所有数据的人。每个zip文件包含32个.dat（python）或.mat（matlab）文件，每个参与者一个。

mne学习教程代码，完整的脑电信号处理流程

运动想象脑电信号特征提取及分类(凑字数专用)

头皮脑电信号具有非平稳特性，相干等传统分析方法并不能很好地检测这些脑电时间序列间的依赖关系。广义同步中的似然同步算法对非平稳信号处理具有较好的效果，该文将它应用到实际脑电信号分析中。基于单向耦合Henon映射系统和实际脑电数据的仿真结果均表明，基于广义同步的似然同步方法适用测量非平稳信号间关系。针对健康被试静息态下，从闭眼到睁眼的过程中脑电信号间同步性的变化进行了研究，发现从闭眼到睁眼过程中，大脑的alpha波在几乎所有电极间的同步强度都显著地减弱，大脑的活动受到一定的抑制。上述结果也表明该方法在脑电数据

该数据库是由来自英国伦敦玛丽皇后大学等单位的研究人员通过实验采集到的，用来研究人类情感状态的多通道数据。该数据库主要包括每个被试在面部表情视频刺激下的EEG数据以及心理量表数据。

用于脑电信号的傅里叶变化，将信号从时域转换到频域

基于matlab，GUI+编程。脑电预处理，时频分析，功能连接。可用于EEG，MEG，动物脑电，深度脑电等。可以进行基于多种技术的溯源分析，可视化效果好。