用于脑电信号了解及学习，下载配合文章代码即可运行。 文章链接：https://blog.csdn.net/qq_41958946/article/details/127691341?spm=1001.2014.3001.5501

因此，情商是智力的一个非常重要的方面； 机器智能需要包含情商。 在这一领域已经进行了深入的研究，以使机器能够理解人类的情绪状态。 非语言交流是人类之间的主要表达方式，它由手势、面部表情等组成。面部表情可能具有欺骗性，一个人可能会通过使用面部表情来假装他/她的情绪状态。 生理信号可以与面部表情结合使用来检测行为谎言。 自动化此任务至关重要。 在本文中，我们调查了利用机器学习和生理信号来检测行为谎言的各种技术。 识别强大的生理信号，产生准确的结果，有助于识别个人的情绪状态。 调查还旨在识别生理信号的类型和用于情感分类的分类算法的组合。

梯度自适应拉盖尔格子滤波器和卡尔曼滤波器的组合，用于估计多通道记录中的丢失信号。 为 PhysioNet 2010 提交的参赛作品涉及对最后 30 秒生理信号的估计。 详情见 http://web.cinc.org/2010/preprints/

matlab巴特沃斯代码啮齿动物呼吸数据分析 客观的 该项目的目的是通过检测它们的最大值和最小值来分析来自髓质神经元的啮齿动物呼吸信号和实际呼吸节律。 描述 1.加载.abf文件 包含原始和预处理 EEG 和呼吸信号的 '.abf' 文件可以使用 '' 加载到 MATLAB 中。 该代码由 Jo Suresh 和 Tahra Eissa 于 2016 年编写。 2. 峰值检测和平均 '' 文件对信号进行低通和高通滤波，并检测所选信号的最大值和最小值。 该文件与 '' 文件相同，只是后者添加了一个简短的扩展名，它可以在用户定义的时间窗口内对检测到的峰值进行幅度平均。 '' 函数用于峰值平均，'' 允许用户通过单击生成的图来手动编辑初始输出数据。 '' 文件等效于 'Rodent_breathing_analysis.m'，不同之处在于它实现了一个巴特沃斯带通滤波器，而不是一个低通和高通滤波器。 要使用此版本，必须伴随 ''。 三、要求 MATLAB 2018b '.abf' 数据文件 致谢 上面的代码是基于 Drs 之前开发的代码编写的。 Eissa 和 Suresh，并咨询了芝加哥大学

提出了一种基于SoPC技术的生理信号监护系统的设计方案，以Altera公司Cyclone II系列EP2C35F672芯片为核心，设计了心电、脉搏波、血氧信号采集和处理模块。基于Nios II嵌入式软核处理器进行应用程序开发，实现了多通道生理信号的24小时实时监控。

资料为肌电信号放大电路设计。格式为PDF。欢迎大家下载。

非接触式的睡眠生理信号监测和睡眠分期，范应威，徐礼胜，目的：研究和实现非接触式的睡眠监测系统，对判别睡眠事件、分期睡眠阶段和评估睡眠质量具有重要意义。方法：为了不使用在被试身

提出一种新的获取人体生理参数的方法，用摄像头采集人脸的彩色视频，对人脸区域进行颜色通道分离和独立成分分析（ICA），获取有用信号。使用经验模态分解（EMD）的方法，把信号分解成可以反映出生命信息的固有模态函数（IMF），再根据所设计的提取准则，分别提取出较为准确的心跳和呼吸信号。用Bland-Altman法进行对比实验分析，结果表明，此方法具有一定的准确性和实用性。

采用最小二乘双支持向量机(LSTSVM)进行情感识别，针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题，使用改进的萤火虫算法（MFA）来优选LSTSVM的各项参数，使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号，使用该算法进行情感识别，并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明，提出的MFA-LSTSVM算法识别准确率更高，需要的训练时间更短。

针对情感计算需求，设计了一种基于STM32L0的低功耗生理信号采集腕带设备，利用低功耗蓝牙无线通信将采集的生理信号实时发送至具有蓝牙4.0接口的智能设备端，采用BP神经网络对生理信号进行分析处理。实验结果表明，该设备可实现准确的心率、皮肤温度、皮肤阻抗、运动状态检测，通过多维度的生理信号分析，识别个体的情绪状态，其中紧张、中性、兴奋的识别率达到95%以上，为情感计算提供一种可穿戴设备。