1、采用BCI Competition IV Dataset1公开数据集，数据说明：https://www.bbci.de/competition/iv/desc_1.html； 2、涉及脑电信号预处理、CSP特征提取、特征选择和SVM分类。

针对脑机接口(BCI)系统中存在的信息传输速率较慢和脑电信号识别正确率较低的问题，对多通道四类运动想象脑电信号进行研究．通过对4种运动想象及休息状态脑电信号进行功率谱分析，合理确定预处理滤波器的最佳滤波频段，然后使用PW-CSP，Hilbert变换及归一化处理的方法，对四类运动想象脑电信号进行特征提取，分类算法分为特征信号算术求和与阈值比较的预分类过程及包含单个支持向量机(SVM)的细分类过程，算法复杂度明显比采用多个SVM组合的多类分类算法要低，为实现算法的在线应用打下基础．仿真结果表明，该算法分类正确

包含肌电信号相关的关节力矩计算，步态分析等相关论文，欢迎大家下载！

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)

初步了解支持向量机，支持向量机的入门程序，和用于肌电信号模式识别的入门程序。

基于STM32的便携式心电信号采集系统设计.pdf

脑电信号-运动想象代码，搭建环境见博客

脑电信号数据人工智能深度学习 脑电信号数据人工智能深度学习 脑电信号数据人工智能深度学习 脑电信号数据人工智能深度学习 脑电信号数据人工智能深度学习

心电信号的处理与自动诊断-心电信号的处理与自动诊断.part3.rar 各章内容如下： 心电信号的采样 心电信号的预处理 心电信号的波形分析 QRS波的识别 P、T波的识别 心电信号的参数计算 心电信号的诊断 系统软件的设计

心电信号的处理与自动诊断-心电信号的处理与自动诊断.part2.rar 各章内容如下： 心电信号的采样 心电信号的预处理 心电信号的波形分析 QRS波的识别 P、T波的识别 心电信号的参数计算 心电信号的诊断 系统软件的设计