运动想象脑电信号的分类正确率直接影响到 BCI 系统的应用价值.为了提高分类正确率,通过对脑电信号的特征提取和分类识别方法的研究,根据运动想象过程中的 ERD/ERS现象,提出利用独立分量分析法对采集到的多导联运动想象脑电信号进行盲源分离,获取与想象任务相关的ICA滤波器,将其作用到预处理后的观测信号上,得到与想象任务相关的脑电成分,再以支持向量机为分类器来实现对三类运动想象任务的脑电信号进行分类识别的方法,并对三位受试者的脑电数据进行了分类实验,实验结果验证了该方法的有效性.
2022-06-01 11:36:13
1.07MB
1
本资源主要是对做情感识别相关实验之后的脑电数据的处理步骤，主要包括选导联通道、重新设置参考电极、提取相应情感的有用信号、并对信号进行滤波和去眼电处理。
2022-05-31 20:20:48
24KB
1
小波变换原理：
小波变换的含义是把某一被称为基本小波（mother wavelet）的函数作位移τ再
在不同尺度α下，与待分析信号X(t)左内积，即
式中，α>0，称为尺度因子，其作用是对基本小波Φ（t）函数作伸缩，τ反映
位移，其值可正可负，α和τ都是连续变量，故又称为连续小波变换（continue
wavelet transform， 简称CWT）。在不同尺度下小波的持续时间随值的加大而增
宽，幅度则与反比减少，但波的形式保持不变。
傅里叶分析是将信号分解成一系列不同频率的正弦波的叠加，同样小波分析
是将信号分解为一系列小波函数的叠加，而这些小波函数都是由一个母小波函数
经过平移和尺度伸缩得来的。
二、小波变换
2022-05-27 17:47:50
987KB
1
用matlab生成谐波代码脑电信号处理
Matlab中的EEG信号预处理和分类。
开发该代码是为了分析EEG信号在抓握和提起任务中区分丝绸，麂皮和砂纸的表面纹理的能力。
此代码中使用的数据是Luciw
et.al.（）生成的数据。
作者提供了一个函数WEEG_GetEventsInHS（），并在此代码中使用了该函数。
此项目使用主题7和11的表面系列试验。
这段代码：
预处理脑电数据
通过主成分分析执行降维（此部分在代码中被注释掉，以从后续技术中生成结果）
生成频谱图
使用在此处找到的函数permutest执行非参数置换测试。
实现SVM分类器并计算准确性，误报率等。
其他信息：乳突通道是通道17和22。由于感兴趣的信号在运动皮层中，因此从乳突通道引用EEG数据。
保留权利的课程中提供了用于多个小波时频分析的函数mttfr（）。
这是文件中提供的一些信息，可能有助于重现该信息：
用法：
[功率，平均，ITC，时间]
=
mttfr（x，fs，freqs，n_cycles，time_bandwidth）
例子：
[功率，平均，ITC，时间]
=
mtffr（x，4000，30：5：100
2022-05-24 09:21:14
5KB
1
常用的EEG脑电数据处理，读写，头皮地形图的绘制及ANOVA-ptest方差统计检验代码
好用，易懂，已注释
2022-05-21 16:00:42
6KB
1
于小波变换的脑电信号特征提取 于小波变换的脑电信号特征提取 于小波变换的脑电信号特征提取 于小波变换的脑电信号特征提取
2022-05-11 12:10:55
993KB
1