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。

事件相关电位(ERPs)分析揭示了脑机接口的认知神经机制,并为脑机接口技术的突破提供新的思路.然而与传统ERP研究不同的是,脑机接口中刺激呈现的时间间隔要远小于前者,并在平均信号中可以观察到较强的周期性干扰,致使其中包含的ERP成分的幅度和潜伏期等重要参数较难准确得到,为进一步的ERP分析造成障碍.目前关于这一干扰的形成原因和消除方法尚缺乏相关研究.本文首先建立了ERP信号的分离模型.模型认为ERP成分的混叠效应解释了平均信号中的周期性干扰.而后提出Toeplitz方法和差异波方法对模型进行求解,以消除干扰并恢复ERP成分.使用实测实验数据和公开数据库的数据对所提出模型与求解方法进行分析,结果表明,Toeplitz方法可以从非靶刺激平均信号中恢复出ERP成分,而差异波方法则可以有效地抑制混叠效应,并分离出基线平稳且各成分突出的ERP信号,从而验证了所提出模型与方法的合理性.本文的研究为脑机接口的ERP分析中周期性干扰的解释与消除提供了依据,并进一步为脑机接口的认知研究提供保障.

基于皮层脑电的脑机接口研究综述，祁玉，王跃明，基于皮层脑电的脑机接口是传统脑机接口研究领域的新分支，在信号的安全稳定性和解码的精确度上具有独特的优势。该技术在运动功能