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。

项目开发中，使用的部分CT图像，预览请点击链接：https://blog.csdn.net/mdxiaohu/article/details/88948366

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

一些参考文献

一些参考资料

PMP流程图脑图

陶辉出品：深入Nginx100讲脑图

相干，相位同步脑网络连通性指标计算

现如今谷歌眼镜火的不行，首先看看谷歌眼镜都有些什么: 1. 头戴显示器，利用折射到视网膜上 2. 摄像头 3. 骨传导扬声器+麦克风 4. 触摸板 5. 运动传感器 6. 蓝牙+WIFI 7. 内置完整的安卓系统 既然是DIY谷歌眼镜，那就要按照上面的清单找个合适的方案: 1. 选择安卓平板或手机作为DIY谷歌眼镜的系统 2. 头戴显示器:选用头戴夜视仪上使用的微型头戴显示器，做成安卓端的外置显示 3. 配置一个微型摄像头 4. 三个数字按钮代替触摸板 5. 暂时不考虑音频，因为显示器和安卓端的通信采用USB，难度有点大 6. 运动传感器之后再加，这个没什么特点和难度，先放一边吧 7. 不用考虑蓝牙和wifi，安卓手机或平板自带，谢天谢地 谷歌眼镜效果图 演示视频:DIY谷歌眼镜--安卓外接头戴显示器 附件包含以下资料: Arduino打造的低成本谷歌眼镜制作教程 谷歌眼镜制作源代码

cocos creator的游戏源码，适合初学者学习，需要下载cocos creator2.3.2版本后安装然后根据提示安装完成后，打开这个项目就可以尝试运行。