基于DEAP数据集的特征提取———近似熵、排列熵、样本熵， 包含上述三个方法的python代码实现，全部在Jupyter Notebook上实现的。

《脑电信号处理与特征提取》一书的示例数据+matlab代码及软件包

2020年C题--面向康复工程的脑电信号分析和判别模型.doc

去除脑电信号中的工频干扰，同时可以去除部分伪迹，如眼电、肌电、心电，提升信号分析质量

针对运动想象脑电信号，基于时频域和空间域分别采用小波变换法和共空间模式（CSP）提取特征向量，使用支持向量 机（SVM）对单一特征和融合特征进行识别并比较分类准确率

对一段脑电信号进行预处理，包括工频干扰消除、基线漂移消除，对预处理后的脑电信号进行频谱分析，分别提取theta、delta、alpha、beta、gamma、piper节律信息，并分析各特定频带信号的时域、能量等特征，详见https://www.xxy.ink/learn/bci/1.html，数据比较大约600M。

脑电信号的分段处理， %分段 clear; sub_name={ % 'mgh_1_1','mgh_1_2','mgh_1_3'};%改名字 % 'kzh_1_1','kzh_1_2','kzh_1_3'}; 'mgh_1_1','mgh_1_2','mgh_1_3'}; % 'hcl_3_1','hcl_3_2','hcl_3_3','gxj_4_1','gxj_4_2','gxj_4_3',... % 'gy_5_1','gy_5_2','gy_5_3'}; % 'mss_5_1','mss_5_2','mss_5_3','yyp_6_1','yyp_6_2','yyp_6_3',... % 'gy_7_1','gy_7_2','gy_7_3','yym_8_1','yym_8_2','yym_8_3',... % 'zsn_9_1','zsn_9_2','zsn_9_3','mgh_10_1','mgh_10_2','mgh_10_3'};%改名字 for i=1:3几组数据 sub=strcat(sub_name{i},'.set'); %不改 sub_save=strcat(sub_name{i},'_epoch.set'); %不改 EEG = pop_loadset('filename',sub,'filepath','D:\BISHE\REST-RUNICA-LS\');%改路径 EEG = eeg_checkset( EEG ); EEG = eeg_regepochs(EEG, 'recurrence', 2, 'limits',[0 2], 'rmbase',NaN); EEG = pop_saveset( EEG, 'filename',sub_save,'filepath','D:\BISHE\FENDUAN-LS\');%保存，改路径 EEG = eeg_checkset( EEG ); end

使用小波变换提取脑电特征

局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)

基于deap数据集的情绪识别代码，包含数据 文件夹是一份可运行的源码及数据集包含python和matlab格式 压缩包是deap数据集相关的源码