本文设计并实现了一种体积小、接入方便、超低功耗的脑电信号采集与无线传输系统，选用MSP430系列单片机MSP430F5529作为主控制器，利用其自身的2个SPI模块分别对ADS1298，GS1011进行控制，实现脑电信号的高精度采集及远距离的WiFi无线传输。本系统具有可复用、便携、低功耗、高集成度的特点，适用于采集环境和条件经常变化的场合，具有较高的应用价值。

数据集和相关代码都有，有些已经运行过，还有对应的论文。

有微分熵的提取，并转化为4维数据形式【4800，4，9，9】与近几年发表的论文数据处理形式一样。测试集准确率达91.62验证集达93.96

文件中包括实验的脑电数据、代码、实验效果表和图。

基于运动想象的脑电信号特征提取及分类算法研究_李丽君.caj.download

以ADS1298转换器为基础，通过将高精度模数转换与数字降噪处理技术结合来简化信号调理硬件电路设计，利用芯片内部集成的右腿驱动模块设计了右腿驱动信号电路，实现一种精度高、体积小、低功耗的多通道脑电信号采集前端，并讨论了实现更多通道脑电信号采集的多芯片级联技术，可广泛应用于便携式多通道脑电信号采集设备。

基于脑电信号的驾驶疲劳检测

（1）脑电信号进行带通滤波，滤波范围 3-40Hz。 （2）利用 FFT 或功率谱 periodogram 对每个试次每个通道的脑电信号进行频谱分析， 查看 7-15Hz 范围内最高峰值是多少，并与所给刺激频率比对，8 个通道投票最多的目标即为该试次所分类出来的目标结果。另外，也可考虑基倍频联合检测，从而提高目标识别准确率。 （3）对 20 个试次分别进行目标分类，根据频谱信息判断目标类别并与其真实标签 label 8进行比较，计算准确率。 （4）GUI 界面呈现滤波器的幅频响应；20 个试次一个通道的频谱图（可选一个识别率 高的通道），并标出峰值频率；呈现 20 个试次中每个导联目标分类类别，以及 8 导联联合目标识别结果。

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

传统盲源分离算法消除眼电伪迹须用到两个眼电信号作为参考，但在采集眼电信号时易给被试带来不适产生噪声，且识别时需要人为辨别，为了解决这些问题，提出一种基于FastICA的眼电伪迹自动去除方法。该方法先计算出FastICA提取出的各独立成分与GFP（Global Field Power）值的相关系数，再比较相关系数，将其绝对值最大所对应的独立成分识别为眼电伪迹独立成分，最后把该独立成分置零重构干净的脑电信号，实现眼电伪迹的自动去除。通过自采的30例脑电数据实验结果表明：该方法能完全自动地去除眼电伪迹成分并有效保留其他脑电成分，且快速准确，适用于实时场合。