m0_51191082的博客

原创 安装apex0.1失败解决办法及CUDA失败解决方法（正确安装）

apex0.1在安装时最后一步出现FileNotFoundError: [WinError 2] 系统找不到指定的文件。setup.py调用nvcc（CUDA编译器）时，系统无法找到nvcc的路径。主要是因为CUDA_HOME环境变量不正确，或者就是CUDA没有安装。所以安装完CUDA后问题顺利解决了。

转载 贝叶斯定理及其在信号中的应用

https://wenku.baidu.com/view/ccc513695aeef8c75fbfc77da26925c52dc5914a?_wkts_=1729165686869&wkQuery=%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0%E4%BC%B0%E8%AE%A1

原创 Jupyter快捷键

转载 统计分布（均匀、高斯|正态）

概念：正态分布、标准正态分布（定义、期望、方差、例题）正态分布python代码。

原创 稀疏贝叶斯框架SBL

稀疏贝叶斯学习是一种强大的工具，它通过贝叶斯方法来估计模型参数，同时促进参数的稀疏性。这种方法特别适用于处理高维数据和避免过拟合。通过边缘似然最大化，SBL可以在不需要交叉验证的情况下自动确定正则化参数，从而提高模型的泛化能力和参数估计的效率。

原创 时延信号（构建增强信号矩阵）

在信号处理中，创建延迟副本通常意味着在时间轴上对原始信号进行平移。具体来说，这意味着将信号在时间上向后（或向前）移动一定的量，这个量通常是采样周期的整数倍。这种操作不会改变信号本身的采样点，只是改变了它们在时间上的位置。

原创 向量的范数

非负性：∣∣v∣∣≥0，且∣∣v∣∣=0当且仅当v=0（零向量）。齐次性（对于实数范数）：对于任意实数k，有∣∣kv∣∣=∣k∣⋅∣∣v∣∣。注意，在某些上下文中（如复数或更一般的数域），齐次性的定义可能需要调整。三角不等式：对于任意两个向量u和v，有∣∣u+v∣∣≤∣∣u∣∣+∣∣v∣∣。

原创 txt文件转数组

‌如果文件中的数字是以逗号分隔的，‌还需要将字符串按逗号分隔，‌并转换为所需的数字类型（‌如整数或浮点数）‌。通过上述步骤，‌你可以将txt文件中的数字读取并转换为数组形式进行处理12。语句可以确保文件在使用后被正确关闭，‌即使在处理文件时发生异常也是如此。：‌然后，‌使用列表推导式将读取到的内容转化为数组形式。函数打开txt文件，‌指定文件路径和打开模式（‌如只读模式）‌。：‌最后，‌记得关闭文件以释放资源。‌在Python中，‌可以使用。：‌首先，‌使用Python的。方法关闭文件，‌或者使用。

原创 脑电信号重参考，基线校正，带通滤波

假设在某个特定的时间点，Channel 1的电位值是1微伏，Channel 2的电位值是2微伏，Channel 3的电位值是3微伏。对脑电信号（EEG）进行平均参考处理时，基本思路是将所有EEG通道的信号进行平均，并将这个平均值用作一个新的参考点。此外，平均参考处理通常是通过专门的软件库（如MNE）来实现的，这些库提供了更高级的功能和算法来优化处理过程。假设我们有三个EEG通道（Channel 1, Channel 2, Channel 3），每个通道在不同的时间点记录了一系列的电位值。

原创 博客摘录「 特征提取丨共空间模式 Common Spatial Pattern (CSP)」2024年3月14日

CSP算法中协方差矩阵反映的是每个样本中不同通道之间的相关性；计算前需把数据标准化，也就是归一化（（样本-均值）/除标准差）其中协方差矩阵的注意事项：协方差矩阵计算的是不同维度之间的协方差，而不是不同样本之间的。时-空信号矩阵，他们的维数均为，为脑电通道数，为每个通道所采集的样本数。

原创 批量转mat为csv文件

curr_path = os.path.dirname("D:/研究生文献/FBCNet-master/data/bci42a/")""" 将当前目录下的data目录下的 .mat 文件转换成多个 .csv文件 :return: """

原创 博客摘录「 BCI Competition IV 2a数据集介绍」2023年12月10日

X=96000*25：第一个受试者在一次RUN（即48次测试trial）中产生的数据量：每次测试持续时间8s，而对脑电信号的采样频率是250Hz，所以一个通道一次测试产生的数据量为250*8=2000，48次测试数据量为20000*48=96000,所以25个通道经过48次测试产生的数据量为96000*25。总：每个通道一次测试，大约采集到（8s*250Hz）2000个数据，那总共25个通道，所以被试者一次测试，总共产生2000*25=50000。