脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
2023/11/25 9:41:41
1.04MB
1
EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.EEG信号基础.
2023/10/31 6:12:11
2.97MB
1
睡眠研究对于人的身心健康和工作生活有着重要的意义。
睡眠过程中不同状态的标注，是睡眠研究的一个基础工作。
本文采用单通道的脑电信号数据，将数据输入到深度置信网络中进行特征表达和分类学习。
通过利用39个晚上的睡眠数据进行测试，达到了82.26%的平均分类准确率。
睡眠过程中不同状态的标注，是睡眠研究的一个基础工作。
本文采用单通道的脑电信号数据，将数据输入到深度置信网络中进行特征表达和分类学习。
通过利用39个晚上的睡眠数据进行测试，达到了82.26%的平均分类准确率。
2023/10/25 6:28:51
1.21MB
1
5类癫痫脑电数据，脑电数据是印度学家VarunBajaj和RamBilasPachori对正常人和癫痫病患者测试的数据。
脑电信号数据由五个子集组成，分别为Z，O，N，F，S，每个脑电子集包含100个信道序列，每个信道持续时间为23.6秒,信号采样点是4097个数据点。
脑电信号数据由五个子集组成，分别为Z，O，N，F，S，每个脑电子集包含100个信道序列，每个信道持续时间为23.6秒,信号采样点是4097个数据点。
2023/8/30 20:31:53
2.77MB
1
脑电图EEG是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。
通过对EEG原始信号的数据解读，可以实现用意念来控制机器，如：意念控制无人机的升降，意念控制轮椅等。
BCI是BrainComputerInterface的缩写，即脑机接口技术。
它是在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路。
ThinkGearAM芯片，由美国Neurosky（中文名：神念科技）公司研发的世界第一款的脑电图传感器，因为采用了干电极传感器（而非医院所用的涂导电胶的湿传感器）和先进的消噪功能，使得在消费电子中大规模的被应用成为可能。
通过对EEG原始信号的数据解读，可以实现用意念来控制机器，如：意念控制无人机的升降，意念控制轮椅等。
BCI是BrainComputerInterface的缩写，即脑机接口技术。
它是在人或动物脑（或者脑细胞的培养物）与外部设备间建立的直接连接通路。
ThinkGearAM芯片，由美国Neurosky（中文名：神念科技）公司研发的世界第一款的脑电图传感器，因为采用了干电极传感器（而非医院所用的涂导电胶的湿传感器）和先进的消噪功能，使得在消费电子中大规模的被应用成为可能。
2023/6/29 6:58:35
52.3MB
1
内容简介：脑电信号分析已经在脑科学研究中占据了越来越重要的地位。
《脑电信号分析方法及其应用》共7章。
第1、2章涉及生理基础和实验基础在内的相关知识。
第3章至第5章是方法部分，其中：第3章重点回顾了传统脑电分析方法；
第4章侧重于动力学特性的分析，重点介绍了一些新的分析方法，如混沌理论、信息论和复杂度分析等；
第5章主要介绍其他重要分析方法，如同步分析和因果性分析。
全书的最后两章是实例部分。
第6章是脑电分析应用领域的综述，内容涉及临床疾病的辅助诊断、脑电逆问题、认知科学研究中的脑电分析以及脑一机接口。
第7章是上述方法(第4、5章为主)的应用实例介绍。
《脑电信号分析方法及其应用》可供生物医学工程中脑信号处理方面的研究人员、大中专院校的相关专业的研究生，以及医院脑电图室的医务工作者参考。
《脑电信号分析方法及其应用》共7章。
第1、2章涉及生理基础和实验基础在内的相关知识。
第3章至第5章是方法部分，其中：第3章重点回顾了传统脑电分析方法；
第4章侧重于动力学特性的分析，重点介绍了一些新的分析方法，如混沌理论、信息论和复杂度分析等；
第5章主要介绍其他重要分析方法，如同步分析和因果性分析。
全书的最后两章是实例部分。
第6章是脑电分析应用领域的综述，内容涉及临床疾病的辅助诊断、脑电逆问题、认知科学研究中的脑电分析以及脑一机接口。
第7章是上述方法(第4、5章为主)的应用实例介绍。
《脑电信号分析方法及其应用》可供生物医学工程中脑信号处理方面的研究人员、大中专院校的相关专业的研究生，以及医院脑电图室的医务工作者参考。
2023/6/4 21:09:32
43.12MB
1
Python中HHT(希尔伯特-黄变更)以及其在EEG数据处置中的使用。
材料中搜罗源码以及pyHHT的阐发书以及一篇单通道去伪迹的文献资料。
材料中搜罗源码以及pyHHT的阐发书以及一篇单通道去伪迹的文献资料。
2023/4/14 18:07:42
22.05MB
1
基于LSTM的EEG脑电信号分类，数据集来自于BCI竞赛IV-2b下载方式见我的博客https://blog.csdn.net/fzf1996/article/details/88031737
2023/3/17 21:51:16
796KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB