#2.0版本#调用eeglab批量读取excel文件中的脑电数据并绘制脑电拓扑图，算法可以根据用户输入读取指定列的特征，指定列的数据，并将数据特征映射到图片保存的文件名中

一共五类数据，每类子文件下100个片段。每个片段4097个采样点

针对现有脑电采集设备成本高、不便携等问题，设计了一套16通道脑电采集系统。该系统具有优化电源，可以电池供电；级联多个模拟前端扩展为多通道的脑电采集系统，并通过片选信号选择所需通道数，以动态和个性化的方式配置每个通道；通过高速无线模块将脑电信号发送至上位机。为测试系统性能，分别采集、分析了5位被试者的自发脑电信号和稳态视觉诱发脑电信号。自发脑电闭眼时出现明显的α节律；稳态视觉诱发脑电信号在对应的刺激频率和谐波上出现谱峰。实验结果表明：该采集系统可准确采集到人体自发脑电和诱发脑电信号，并可用于脑机接口应用领域，具有一定理论与应用价值。

基于一个公开数据集和2008年BCI竞赛数据集，提供一个CNN-PSD运动想象二分类demo，详见https://www.xxy.ink/learn/bci/3.html。包含脑电PSD特征提取，运动想象卷积神经网络分类等。

针对传统的自动睡眠分期准确率不足问题，提出一种将多尺度熵（MSE）和主成分分析（PCA）联合使用的自动睡眠分期方法。以8例受试者睡眠脑电（EEG）监测数据及专家人工分期结果作为样本，首先使用MSE表征受试者脑电信号不同睡眠期的非线性动力学特征；然后使用PCA的前两个主成分向量代替MSE特征进行降维，实现降低数据冗余的同时保留绝大多数EEG非线性特征；最终将新向量的特征参数输入到反馈神经网络(BPNN)分类器中实现MSE-PCA模型的脑电睡眠状态的自动识别分类。实验结果表明，自动分期准确率可达到87.9%，kappa系数0.77，该方法能提高脑电自动睡眠分期系统的准确率和稳定性。

基于一个公开数据集和一个BCI竞赛数据集，提供一个SVM-CSP运动想象二分类demo，详见https://www.xxy.ink/learn/bci/2.html。包含脑电CSP特征提取，运动想象支持向量机分类，bbci和biosig工具箱等。

脑电培训公开课.mp4

脑电特征提取分类 EEG_Classifier，脑电特征提取分类 EEG_Classifier，脑电特征提取分类 EEG_Classifier

脑电分析的专业工具箱，由于本人只能上传小于20M的文件，所以分开上传的，请与脑电分析matlab工具箱1并在一起使用。保证好用

脑电分析的专业工具箱，由于本人只能上传小于20M的文件，所以分开上传的，请与脑电分析matlab工具箱2并在一起使用。保证好用