用于提取脑电信号的DE（差分熵特征/微分熵特征）和PSD（功率谱密度特征）特征的matlab和python代码。

本程序包括读取心电信号，对肌电干扰、基频干扰、工频干扰等噪声进行滤波处理，然后进行峰值检测，检测出RST波。肌电信号的频率为20~5000HZ，其主要成分的频率与肌肉的类型有关，一般在30~300HZ，而心电信号的频率主要集中在5~20HZ，所以选择低通滤波器来滤除肌电干扰，选择低通滤波器来滤除肌电干扰。工频干扰是由城市电力系统所产生的电磁波以辐射的形式对人们的日常生活造成的干扰。设计一个带阻滤波器滤除60Hz的工频干扰。基线漂移是由于在心电信号采集过程中人体的微动或呼吸导致电极的接触不良, 引起电极与人体间的电阻变化进而使得心电信号波形发生形变。基线漂移属于超低频信号, 对基线漂移的滤除具有重要的意义。因此我们需要设计一个高通滤波器来消除基线偏移。Pan-Tompkins法检测R波峰值的具体步骤如下，流程图如图27所示。1）对滤波后的信号求一阶导数；2）对求导之后的信号进行平方运算；3）将信号通过滑动窗口进行积分；4）使用阈值法检测经过处理之后的R波峰值。使用双线性变换法设计的数字滤波器进行滤波。本采用的心电信号来源于MIT-BIH的数据库，从其中选取了一组适合预处理分析的信号。

自行整理的Deap脑电数据集，已上传百度网盘，欢迎有需要的朋友下载，如失效请联系。 这些文件包含Matlab中数据的下采样（至128Hz）、预处理和分段版本（数据预处理）_matlab.zip文件)和pickled python/numpy（数据预处理）_python.zip文件)格式。这个版本的数据非常适合那些希望快速测试分类或回归技术而不需要首先处理所有数据的人。每个zip文件包含32个.dat（python）或.mat（matlab）文件，每个参与者一个。

肌电信号与文献分享

mne学习教程代码，完整的脑电信号处理流程

运动想象脑电信号特征提取及分类(凑字数专用)

表面肌电信号常见时域频域MATLAB程序

生理信号中的肌电信号数字滤波，效果很好，值得推荐

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

数据进行预处理，时域、频域等特征分析以及求取心率指标，并设计GUI界面