为去除脑电信号采集过程中存在的噪声信号，提出了基于小波阈值去噪的脑电信号去噪。以小波阈值降噪为基础，首先利用db4小波对脑电信号进行5尺度分解，然后采用软、硬阈值与小波重构的算法进行去噪。通过对MIT脑电数据库中的脑电信号进行仿真，结果表明，采用软阈值方法有效去除了噪声，提高了脑电信号的信噪比。

《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

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

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)

脑电信号属于非平稳随机信号， 且易受到各种噪声干扰。 本文基于 Matlab 仿真系统，主要研究了小波变换在脑电信号处理方面的应用， 包括小波变换自动阈值去噪处理、 强制去噪处理，以 α波为例，提取小波分解得到的各层频率段的信号，并做了一定的分析和评价。

脑电信号处理常用TI的ADS1299，本程序结合STM32进行开发。

EEGLAB版本V14.1.1，脑电处理必备，EEG格式文件处理，帮助解决脑电的预处理和读入问题，能够略深入的解决一些脑电数据的处理问题。

脑电信号(Electroencephalograph，EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，其包含了大量的生理与病理信息，并可以用许多特征量来描述其特征信号。P300电位即受试者辨认“新异”(oddball)刺激序列中低概率的“靶刺激”时，在头皮记录到的潜伏期约为300ms的最大晚期正性波，是事件相关电位(Event-Related Potential，ERP)中应用最广、与认知功能关系最为密切的成分。脑机接口(BCI)是一种不依赖于外周神经和肌肉等常规输出通道的信息交流系统。P300是神经系统接受特定模式下的视觉刺激所产生的特定电活动，适合于脑机接口应用。 本文针对P300脑电信号的特点，即诱发电位中的P300成分通常是在新异刺激模型中对不同刺激进行辨别、分类、判断时产生的，所以采用视觉“Oddball”范式诱发事件相关电位，然后采用EGI 64导脑电系统采集原始脑电信号，再用Net-Station软件对原始数据进行预处理，预处理步骤包括滤波(Filter)、数据分段(Segmentation)、人工伪迹检测(Artifact Detection)、坏通道替换(Bad Channel Replacement)、叠加平均(Averaging)、参考点转换(Average Referencing)、基线校正(Baseline Correction)等，最后采用功率谱分析与相关系数矩阵相结合的方法选取恰当的电极，确定少量活跃电极分布在头顶位置，活跃电极主要集中在后脑区域，为脑机接口应用产品的开发奠定理论基础。

根据给定的一段脑电信号，对原信号进行时域和频域分析，并绘制时域波形图和频谱图。制作GUI界面。

基于matlab的脑电信号处理 程序设计，包括GUI界面设计