bci 系统复现，项目主要利用结合了稳态视觉诱发电位(SSVEP)范式的脑机接口技术。通过自主设计的刺激器闪烁刺激，诱发大脑产生与闪烁刺激频率一致的基频和倍频的脑电信号。通过脑电采集设备对脑电信号进行采集放大，并传达给计算机，计算机在MATLAB 软件中对采集得到的信号采取频谱分析，进行对脑电信号进行处理识别，从而实现脑电信号与控制信号的转换。之后，将控制信号通过蓝牙设备对第三方设备传达控制指令，凭借指令第三方应用根据对应的预先设定的指令进行预想的状态反应。 即可实现利用脑电信号进行脑控打字拼写、脑控智能机器人（轮椅模型）、脑控智能家居的控制。从而达到为某些失能人群提供服务的目的。 1 产品包括视觉刺激软（硬）件、脑电采集设备、脑电信号放大器、脑电信号处理软件、以及相应的功能性辅助软件五部分。仅需对不同个体进行简单校准，即可进行使用。产品主要利用了稳态视觉诱发电位的脑机接口技术，通过产品配套的硬件以及软件部分。对于有运动障碍，语言障碍的使用者，仅需使用者视觉情况正常以及大脑意识清晰，即可通过SSVEP刺激，诱发使用者大脑枕叶视觉区产生稳态视觉诱发电位。

BCI Competition IV 2b数据集，一个EEG信号运动想象二分类数据集，官网下载速度极慢，分享给需要的同学

BCI Competition IV 2a数据集 只有一个A01T和A01E数据，请谨慎下载。 数据形状如下 data >>>(1000*22*288) label >>>(288*1)

matlab开发-基于脑电图的脑机接口质量指数。基于脑电图的脑机接口实时离散小波变换与ANFIS分类器

改进的CSP算法及其在脑机接口中的应用，周宁城，刘建平，针对运动想象脑机接口（BCI）系统中存在的分类准确率和信息传输速率较低的问题，提出了一种改进的共空间模式（CSP）算法，对多任务

文件中包括实验的脑电数据、代码、实验效果表和图。

python代码，数据集为BCI IV-2a ，四分类任务，网络模型EEG-TCNet 基于tensorflow EEG-TCNet: An Accurate Temporal Convolutional Network for Embedded Motor-Imagery Brain–Machine Interfaces

EEG信号处理与分类CNN模型集合+样例运行训练

在本文中，提出了文献综述，以找到大脑计算机接口（BCI）的最新技术水平。 本文分为四个部分，第一部分简要介绍了BCI，第二部分介绍了在大脑中激发电位的方法的最新发展。 在第三节中，研究了潜在的记录和预处理方法，在第四节中，研究了特征提取和分类方法的最新技术水平。 编写本文的方式可以使初学者了解脑机接口的过程和技术水平。

SSVEP拼写器，40目标（8 Hz ~ 15.8），类似清华大学Benchmark的范式，红色框代表刺激提示，这个程序可以与Brain Product的脑电帽子做成在线识别的SSVEP系统，需要BP提供的一个RDA接口文件就可以了。 本资源仅供刚入门SSVEP的硕士研究生同学学习，不是很难，但需要花时间弄懂代码，我的博客也有相关的文章。