运动想象分类matlab代码介绍 用于MI-BCI分类的CNN-SAE程序。 （基于“用于脑电运动图像信号分类的新型深度学习方法”） 使用此程序时，请与rasmusbergpal的lisense一起使用。 CNN-SAE（MI-BCI）是用于对Motor Imagery EEG信号进行分类的matlab程序。 基于rasmusbergpal编程的CNN-SAE（MI-BCI） 基于。NET的该程序的理论。 此外，我们对其进行了一些更改以改善结果。 该程序的性能基于（单击此处以获取更多信息）。 为了提高性能，我们使用结合了时间，频率和位置信息的短时傅立叶变换（STFT）的输入形式来研究CNN。 分别采用基于带通（BP）特征和功率谱密度（PSD）特征的Fisher判别分析型F分数来选择主题最佳频带。 在实验中，分别将与运动图像脑电信号有关的典型频带，主题最优频带和扩展频带用作CNN的输入图像的频率范围。 可以在“ excel”文件的“ python”文件字典中找到CNN的结果。 python代码基于具有GPU加速的tensorflow 1.6进行编程。 Matlab代码与python代码类

1、BCI2008竞赛数据，9个受试者，分为测试和训练两个部分，附有配套的说明文档！ 2、BCI2008带标签数据集，9个受试者，内含采样率，标签等，附有说明文档！

使用keras库，数据来自BCI Competiton数据集下的Data from Berlin组的mat文件，请仅限用于研究，数据包组成，使用后三个量x_train（训练集）,y_train（标签）,x_test（测试集），训练集有316组样本，样本由500毫秒下28通道的数据构成，数据详细描述：http://www.bbci.de/competition/ii/berlin_desc.html。使用k折验证法验证，验证结果极佳，但没有测试集的标签，所以不知道对于新数据的分类情况如何。

脑机接口P300数据,数据说明及初始的数据使用程序

使用 CSP＋SVM 分类的数据集，代码见博客

运动想象共空间模式CSP特征提取 多类别改进CSP

关于CSP（共同空间模式）算法的代码。 共空间模式（CSP）是一种对两分类任务下的空域滤波特征提取算法，能够从多通道的脑机接口数据里面提取出每一类的空间分布成分。公共空间模式算法的基本原理是利用矩阵的对角化，找到一组最优空间滤波器进行投影，使得两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量。

建立云集成 凯夫特2021 Rankinen Jarno TVT19KMO OpenAPI规范文档位于“参考”文件夹中 HTML文档在'html'中 其余文件是API的Node.js实现 链接 可以在找到该API。 HTML文档位于

2003 2003 BCI competition两类运动想象的脑电信号采集数据，方便大家进行脑电信号处理和分析

中文翻译可查看我的博客，里面有详细的翻译说明可供学习！