基于心电信号的情感识别Android系统设计，孙景洋，张天乐，为了实现心理医生对病患情绪健康的监测和管理，本文将生理监测技术和无线通信技术相结合，设计一个基于Android平台的心电采集、情��

java语言实现，根据心电信号生成心电图(图片)，心电信号1991,1990,1987,1985,1990,1993,1988,1991,1991,1993,1996,2002,2013,2026,2035此类心电信号数据

参考https://blog.csdn.net/qq_41630102/article/details/103513263，MIT官网的ECG心电数据，经过数据提取转换成文本格式，可用记事本打开。后续经过python正则化处理，提取其中数据。

MATLAB心电特征提取实验报告，QRS波提取 主要用的findpeaks，阈值根据采用频率定的

从心电信号中提取出呼吸信号.文档和matlab仿真

ADJUST是一种用于识别和清除EEG数据的全自动算法。ADJUST基于独立成分分析（ICA），这是一种成功的但无监督的从EEG记录中分离伪影的方法。ADJUST通过组合定型工件特定的空间和时间特征来识别工件ICA。对功能进行了优化以捕获眨眼，眼球运动和一般的不连续性。一旦识别出伪造的IC，就可以简单地将它们从数据中删除，同时由于神经源几乎不受影响而保持活动状态。 ADJUST作为EEGLAB软件的插件在Matlab中运行 使用方法：解压后放在toolbox-eeglab-plugin下，然后运行eeglab gui界面，在tools种出现

针对运动想象脑电信号特征提取困难，分类正确率低的问题，提出了利用小波熵进行特征提取并采用支持向量机（SVM）来分类的算法。计算运动想象脑电信号的功率，通过理论分析选择小波包尺度，对信号功率进行小波包分解并计算其小波包熵（WPE），提取C3、C4导联的小波包熵插值组成特征向量，将特征向量作为分类器的输入送入支持向量机进行分类。采用国际BCI竞赛2003中的Graz数据进行验证，算法的最高分类正确率达97.56%。算法特征向量维数低、数据量小、分类正确率高，对运动想象脑电信号特征提取及分类的任务可以提供参考方法。

通过求解EEG信号的模糊熵来表征信号的复杂度，输出结果对应脑电通道数的数据向量，可以结合脑电地形图的程序，画脑电信号地形图，直观看出脑电某些区域的复杂度

心电信号检测放大电路的设计心电信号检测放大电路的设计心电信号检测放大电路的设计

ECG.mat是心电图信号的模拟数据文件；peakdetect.m是Hooman Sedghamiz于2014年编写的一段基于状态机逻辑算法的RST波检测程序。