运动想象脑电信号特征提取及分类(凑字数专用)

头皮脑电信号具有非平稳特性，相干等传统分析方法并不能很好地检测这些脑电时间序列间的依赖关系。广义同步中的似然同步算法对非平稳信号处理具有较好的效果，该文将它应用到实际脑电信号分析中。基于单向耦合Henon映射系统和实际脑电数据的仿真结果均表明，基于广义同步的似然同步方法适用测量非平稳信号间关系。针对健康被试静息态下，从闭眼到睁眼的过程中脑电信号间同步性的变化进行了研究，发现从闭眼到睁眼过程中，大脑的alpha波在几乎所有电极间的同步强度都显著地减弱，大脑的活动受到一定的抑制。上述结果也表明该方法在脑电数据

该数据库是由来自英国伦敦玛丽皇后大学等单位的研究人员通过实验采集到的，用来研究人类情感状态的多通道数据。该数据库主要包括每个被试在面部表情视频刺激下的EEG数据以及心理量表数据。

用于脑电信号的傅里叶变化，将信号从时域转换到频域

基于matlab，GUI+编程。脑电预处理，时频分析，功能连接。可用于EEG，MEG，动物脑电，深度脑电等。可以进行基于多种技术的溯源分析，可视化效果好。

脑电信号处理视频教程 eeglab教程

用小波分析分解脑电信号，包含α、β、θ三个波段的信号

matlab仿真代码

一、脑电信号特点及一般处理流程 脑电信号特点： 随机性及非平稳性相当强。人脑是一个庞大而复杂的系统，按生理功能可分为许多基本环节，这些基本环节的生理活动相互影响、相互渗透地交织在一起，而其中存在的联系、制约关系及活动规律还没有被我们清楚地认识。因而，脑电信号表现出明显的随机性，一般不能用数学函数来准确表达，它们的规律主要从大量的统计结果中反映出来。 脑电信号具有非线性。脑电信号是大脑中各种神经元之间相互作用的信号的复杂组合，组合的非线性导致脑电信号具有非线性的特点。 信噪比低。在维持正常生理活动的条件下，生物体的各个基本系统之间存在着有机的联系，因而在脑电信号中存在着严重的背景噪声，而且噪声常常超过信号，导致信噪比很低。 信号微弱。人体脑电信号的强度很微弱，一般在微、毫伏级。

1、CNN，BCIC IV 2b，无，是.zip 2、ANN BCICIV_2a_gdf，83%，是.zip 3、CRAM，BCICIV 2a_gdf，59.1%，无.zip 7、CNN-SAE，数据BCICIV_2b_gdf，77%， 8、MISCNN，BCICIV_2a mat，73%，无.zip 9、LSTM+CRNN，BCI IV-2A，70%，无.zip 12、TCNet，BCIIV-2A，77.3%，无.zip 13、新算法，BCIIV-2A，2B，seed，数据集， 15、CNN，bciiv-2b，70.7%，无.zip