里面包含xlsx表格文件及说明，还有loc文件、ced文件、sph文件等资料，可用于eeglab插件的脑电定位 脑电数据采用EGI128导脑电记录系统，采集头皮脑电信号。EEG电极导联详细定位参数： 在进行脑电数据采集时，研究者通常会根据研究的需要选取不同数量的导联或电极点采集EEG数据。为了确保数据采集的规范性、精确性以及研究结果的科学性、可重复性，研究者需要按照标准规范的导联定位系统（如：目前通用的10-5、10-10、10-20定位系统）放置相应的导联或电极。

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。

matlab正弦仿真代码SPR 2020 研讨会演讲：广义特征分解 此存储库包含我在 2020 年研讨会上的演讲的代码和演示幻灯片——预测或不预测：建模 EEG 数据、承诺和限制。 演讲题目：时域脑电数据的假设驱动降维与源分离 由于 . 指示 . 要运行演示/教程、模拟和分析，请在 MATLAB 中打开simulations.m 。 请记住首先设置您的工作目录或将文件夹添加到路径。 这个simulations.m MATLAB脚本在不同的源/偶极子处模拟不同的正弦波，混合它们的活动并将它们投影到64个头皮脑电图电极，并对模拟的头皮脑电数据（混合源）执行广义特征分解（GED）以恢复​​模拟时空和频率特性。 simulations.m调用的辅助函数： dipole_project.m 、 filterFGx.m 、 topoplotIndie.m emptyEEG.mat包含两个结构： EEG （用于存储 EEG 数据的空 EEGLAB 结构） lf （用于将偶极子活动投影到 64 个通道的前导场矩阵） 座谈会摘要 时域脑电数据的假设驱动降维和源分离 作者 Hause Lin - 加拿大多

Candock | 英文|| 时间序列信号分析和分类框架。 它包含多个网络，并提供数据预处理，数据扩充，培训，评估，测试和其他功能。 一些输出示例： 特征 数据预处理 规范：5_95 | maxmin | 没有任何 过滤器：fft | 冷杉| ir | 小波| 没有任何 资料扩充 各种数据扩充方法。 基数：比例，经线，app，aaft，iaaft，filp，作物 噪音：尖峰，阶跃，斜率，白色，粉红色，蓝色，棕色，紫色 甘：dcgan 网络 各种评估网络。 1天 lstm，cnn_1d，resnet18_1d，resnet34_1d，multi_scale_resnet_1d，micro_multi_scale_resnet_1d，自动编码器，mlp 2d（频谱图） mobilenet，resnet18，resnet50，resnet101，densenet121，densene

信道编码matlab代码黎曼伪像子空间重建Matlab工具箱 该存储库包含EEGLAB [0]插件的代码，可用于使用Riemannian几何校正EEG工件。 该方法是Mullen等人发表的原始ASR方法的改编。 [1]。 有关其工作的详细信息，请参阅Blum等。 [3]。 rASR工具箱使用Manopt工具箱进行涉及流形和黎曼几何的计算，请注意，在当前实现中，rASR工具箱中使用并包含一个经过自适应的linear_eigenspace函数，而其余的manopt则必须从工具箱中使用。 Matlab路径。 这只是一个临时解决方案，很快将以更可持续的方式进行编码。 用法 要使用rASR清理，只需将其添加到Matlab路径后，像原始ASR插件一样调用此插件： addpath( ' rASRfolder/ ' , ' -begin ' ); % call clean_rawdata EEG = clean_rawdata(EEG, arg_flatline, arg_highpass, arg_channel, arg_noisy, arg_burst, arg_window); 也可以将rAS

脑电信号处理视频教程 eeglab教程

EDF阅读器 允许用户在 Matlab 中读取 .edf 脑电图文件。 在 Matlab 中读取小的 EDF 文件相对容易，网上有多种方法可以这样做。 但是，当 EDF 文件非常大时，这些工具不能很好地工作，因为它们通常会尝试将整个文件读入内存。 这个 EDF-Reader 创建一个代表 EDF 文件的对象，并提供对 EDF 文件中数据的随机访问。 创建对象时，将 EDF 标头读入对象，并且可以使用 GETDATA 方法读取（部分）可用数据。 Example: Reading the first 10000 values of the second channel in 'newFile.edf' >> out = EDFData('newFile.edf') out = EDFData with properties: ver

Microstate-EEGlab-工具箱：Microstate EEGlab工具箱

MATLAB用拟合出的代码绘图学士项目：使用Support-Vector Machines和KNN基于EEG数据对愤怒进行分类 以下存储库是学士项目期间使用的代码的枢纽。 该存储库包含用于预处理和分析EEG数据（Matlab），所有统计测试（R）和分类器（Python +）的每一行。 随着项目的进行，本文档的其余部分用作记事本。 它充满了对我们一路重要的项目，在归档项目之前不得更改。 每个脚本都包含解释性注释，以指导读者阅读代码。 线性混合效应模型 验证线性混合效应模型始终需要做两件事： 检查正常性和同质性。 构建一个所谓的“空模型”，并将混合模型的性能与此空模型进行比较。 I.混合效应模型属于参数统计技术（连同t检验和ANOVA检验）一起。 参数方法要求条件之间的差异呈正态分布，即条件A和条件B之间的差异需要近似钟形曲线。 非参数技术没有此限制-它们是“无分布的”-但是，混合模型是参数化的，因此我们需要检查差异是否实际上遵循正态曲线。 混合模型的另一个要求是数据是同质的，即就方差而言，数据集的一部分与另一部分没有很大差异。 下面描述的图检查了两者->形成了两个云，描绘了男性和女性之间

EEG Brain Wave for Confusion Dataset 是学生观看视频时额叶波动的数据集，旨在判断大脑是否处于混乱状态。 发布者收集了 10 名大学生观看 MOOC 视频剪辑时的 EEG 信号数据，其中包含不会让学生感到困惑的在线教育视频、可能会混淆的视频两种。测试过程中，学生会佩戴无线 MindSet 以测量额叶活动，同时观看剪辑后的视频，学生在课程结束后会将混淆等级评定为 1-7，其中 1 对应最不容易混淆，而 7 对应最为混乱。 这些标签会被进一步标准化为学生是否感到困惑的标签，除了预先确定的标签外还包含自我标记的混淆标记。 该数据由 Kaggle 于 2013 年发布，相关论文有《Using EEG to Improve Massive Open Online Courses Feedback Interaction》。