用于肌电信号特征提取

表面肌电信号的带通滤波器

用不同方法对肌电图进行肌肉疲劳分析的比较

用于进行肌电信号的手部动作分类

该例程获取循环的信噪比没有先验知识的肌电图 (EMG) 信号信号。 此例程的输出可能会进一步用作输入用于确定接通和偏移的双阈值检测器的参数肌肉活动。 可以找到此代码中执行的过程并基于以下科学文章： Agostini, V., & Knaflitz, M. (2012)。 估计的算法期间产生的表面肌电信号的信噪比循环运动。 IEEE 生物医学工程汇刊，59(1)， 219–225。 doi:10.1109/TBME.2011.2170687

使用delsys trigno实现肌电信号的在线采集/显示以及根据matlab的BP神经网络模型实现手势识别

表面肌电信号常见时域频域MATLAB程序

生理信号中的肌电信号数字滤波，效果很好，值得推荐

matlab肌电信号处理代码 睡眠分期和RBD检测 纸上使用的代码：通过自动多导睡眠图分析检测REM睡眠行为障碍（） 使用此代码时，请引用[1]： Navin Cooray，Fernando Andreotti，Christine Lo，Mkael Symmonds，Michele TM Hu和Maarten De Vos（评论中）。 通过自动多导睡眠图分析检测REM睡眠行为障碍。 临床神经生理学。 该存储库包含用于在30秒内从单个EEG，EOG和EMG信号中提取156个特征的工具。 提供了一个随机森林分类器来实现自动睡眠分期，该分类器使用了53个与年龄匹配的健康对照和RBD参与者（但只有50棵树，而使用了500棵树）进行了训练。 还可以使用此存储库训练分类器。 分类器应输出以下睡眠阶段之一： 班级 描述 0 唤醒 1个 N1 2个 氮2 3 N3 5 快速眼动 提供了附加的特征提取工具来分析单个EMG通道以进行RBD检测。 特征是针对每个主题派生的，包括已建立的RBD指标以及其他指标。 这些功能可以使用手动注释或自动分类的睡眠阶段来推导。 提供了一个额外的随机森林分类器，以使用RBD

表面肌电信号处理的matlab程序，包括带通滤波、50Hz陷波滤波程序，以及计算时域、频域的指标iMEG、RMS ， MF、MPF