搜索资源列表
Biomed-Reader
- These functions have been developed to watch and analyze EEG/Video/Accelero(3A)/Magneto(3M) data in the context of the Epimouv/Capametrim project. The project aim is to recognized epileptic movement disorders by determining regions of interests on
Viet_Enterface06_Project7_TBM
- EEG motor activity data set
cspnum1
- csp算法，异步脑机接口特征值提取。脑－机接口(brain-computer interface，BCI)技 术提供了一种非肌肉控制的通讯通道，使大脑可以直接和外部环境进行信息交 互。脑－机接口将人脑的信号直接转换成对外部设备的控制命令，信息的传递 不再需要经过外周神经和肌肉等传出通道[1-In motor imagery-based Brain Computer Interfaces (BCI), discriminative patterns can be extracted
EEG-based-identification-method
- ：基于脑电信号的身份识别是通过采集试验者的脑部信号来进行身份认证。对于同一个外部刺激或者主体在思考同一个 事件的时候，不同人的大脑所产生的认知脑电信号不同。选取与运动意识想象有关的电极后，分析不同个体在特定状况下脑 电的个体差异，采用以回归系数、能量谱密度、相同步、线性复杂度多种信号处理结合方法对运动想象脑电信号进行处理来 进行特征提取。组合多元特征向量并运用多层BP 神经网络对不同个体的脑电信号进行分类，并在不同的意识想象及不同数 据长度、不同的波段对试验者进行识别率验证分析。
Regression_LS_SVMlab
- 对脑电信号进行模式识别分类，区分出运动想象脑电信号是想象左手运动还是想象右手运动-EEG pattern recognition on the classification, the distinction between the motor imagery EEG is imagination left hand movement or imagined movement
erders
- 计算Motor Imagert EEG 的ERD/ERS现象-compute the ERD/ERS of the Motor Imagery data
biosig4octmat-2.93
- EEG数据下载和运动想象分类,可作为一个很好用的工具箱来分析生物医学信号。-EEG data,including motor image classfication be very useful for BCI.It can be a toolbox to analyse ECG and EEG data,includeing filtering.
decompose
- 用于分解提取BCI竞赛数据集，将四类想象运动的有效EEG信号分别提取到四个矩阵中。-BCI competition for decomposition to extract data sets, four types of effective motor imagery EEG signals were extracted to four matrix.
BCI_MI_CSP_DNN
- BCI_MI_CSP_DNN是一种基于matlab的运动图像脑电信号分类程序。 基于matlab深度学习工具箱编写了BCI_MI_CSP_DNN程序 本程序的原理基于CSP和DNN算法 这个程序的性能是基于BCI竞赛II数据集II 提出了一种基于深度学习的运动图像脑电信号分类方法。在预处理原始脑电图信号的基础上，采用共空间模型(CSP)方法提取脑电图特征矩阵，并将其输入深度神经网络(DNN)进行训练和分类。我们的工作在BCI Competition II Dataset III上进行了实