nvsirgn的博客

摘要脑电图（EEG）信号的高质量分类是在实际应用中使用基于EEG的脑机接口（BCI）技术的先决条件。由于脑电信号不稳定，信噪比差，并受到各种外部电磁波的污染，提取脑电信号的信息特征进行分类并不容易。一种可能的方法是从不同的渠道和角度集成功能以捕获更多信息，但是，更多功能需要更多的计算时间和计算机内存。此外，其中一些功能对分类没有多大作用。在本文中，我们采用Fuzzy-Rough选择方法从候选特征中选择信息量最大的特征，多个分类器用于根据所选特征对EEG信号进行分类，实验分析表明了该方法的有效性和效率。

一个40hz低通滤波电路及其仿真设计40Hz电路f=1/t 40=1/t t=0.025st=0.7（R1+2R2）C2 大约推出R1=R2=32.4Ω C2=370vf仿真如下图联系我们扫描二维码，获取更多本篇由BCIduino脑机接口开源社区整理或撰写。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫码加入社群，备注"BCI"，也欢迎采购BCIduino脑电模块（某宝搜索即可）欢迎大家关注我们...

​一个555振荡电路及其解释555工作电压为5-18V，555芯片引脚图：内部结构：按分压器、比较器、RS触发器、输出级、放电开关几部分组成R-S触发器图解rs触发器由两个与非门正负反馈形成。R=0，S=1时，假设Q输出高，则与非门G2的一个输入端为高并且杠R=0，所以Q非为高，Q非为与非门G1的输入端并且S=1，所以Q输出低与假设矛盾，反之假设Q输出为低推导出来的结果与假设符合。R=1，S=0时，假设Q输出高，则与非门G2的一个输入端为高并且R=1，所以Q非为低，Q非为与非门G1的输入端并

​脑电数据的独立成分分析通过ICA（或任何线性分解方法，包括PCA及其衍生物）分解数据涉及从单头皮通道收集的数据到空间转换的“虚拟通道”的基础的线性变化。即代替同时记录的单通道数据记录的集合，将数据变换为应用于整个多通道数据的空间滤波器的同时记录的输出的集合。在原始头皮通道数据中，数据记录矩阵的每一行都代表一个源通道到一个数据通道和一个或多个参考通道之间的电压差总和的时间过程。在ICA分解之后，数据激活矩阵的每一行都给出了从通道数据中进行空间过滤的一个组件过程的活动的时程。在ICA分解的情况下，选择独

选择数据周期并绘制数据平均值1.1 为两个条件选择事件和周期为了比较同一实验中两个或多个条件下受试者的事件相关脑电图动力学，首先需要创建包含每个条件周期的数据集。在我们的样本数据集的实验中，一半的目标出现在位置1，另一半出现在位置2（请参阅样本实验说明）。探索性步骤：为两个条件选择事件和周期选择Edit > Select epochs or events，将显示pop_selectevent.m窗口（如下所示）。在位置旁边的文本框中输入“ 1”，这将选择目标出现在位置1的所有周期。在结果

数据平均以前我们已经讨论了在与某类事件时间锁定的一组数据时期内发生的与事件相关的脑电动力学的方式，不仅限于或完全用其时间特征表示锁定的试验平均值或事件相关电位（ERP）。EEGLAB包含几个用于绘制数据集试验的一维ERP平均值的函数，EEGLAB还具有用于研究单次试验中表达的脑电动力学的功能，这些功能在很大程度上可以通过单次试验数据集的2D（试验的潜在时间序列）ERP图像转换（也称为“提取的数据”）。在ERP图像图中，首先沿某个相关维度对EEG数据周期（试验）进行排序（例如，受试者反应时间，试验内th

​要研究连续记录数据的事件相关脑电图动力学，我们必须通过从EEGLAB主用户界面选择Tools>extract epochs来提取锁定到感兴趣事件的数据周期（例如，锁定到一类实验刺激集的数据周期）。关键步骤7：提取数据周期单击弹出的pop_epoch.m窗口的右上角标记为“…”的按钮，该窗口将调出一个列出可用事件类型的浏览器框。在这里，选择事件类型square（在这个实验中，选择square目标刺激集），然后按OK。您也可以直接在pop_epoch.m窗口的上部文本框中键入选定的事件类型。

要开始处理数据，我们建议首先滚动数据，如图所示，然后拒绝明显“坏”的数据段，然后研究它们的功率谱，以确保加载的数据适合进一步分析。请注意，Matlab信号处理工具箱需要位于Matlab路径中才能使用这些函数。探索步骤：绘制通道功率谱和贴图要绘制通道功率谱和相关的地形图，请选择“图”>“通道功率谱和图”。这将弹出pop_spectopo.m窗口（如下）。保留默认设置，然后按OK。该函数应返回spectopo.m图（如下）。由于我们仅采样了15％的数据（通过上面的Percent data …编辑框

​要以二维或三维格式绘制脑电图头皮图，或估计数据成分的源位置，EEGLAB数据集必须包含有关记录电极头皮位置的信息关键步骤5：加载通道位置信息要加载或编辑数据集中包含的通道位置信息，请选择“编辑>通道位置”。如果以Neuroscan或Biosemi格式导入二进制数据文件，则通道标签将已存在于数据集中（在EEGLAB v4.31及更高版本中）。当您调用“通道编辑”窗口时，将出现一个对话框（如下所示），询问您是否要使用基于使用扩展国际10-20系统从通道位置文件导入的电极位置标签（例如“Fz”）的标

1、学习MatlabEEGLAB图形界面建立在强大的Matlab脚本语言之上。要使用EEGLAB构建宏命令和执行自定义和自动化处理的全部功能，就需要能够在Matlab中操纵EEGLAB数据结构。由于时间限制，这个wiki没有提供关于Matlab脚本语言的介绍。相反，用户需要在开始研究之前熟悉Matlab。2、安装EEGLAB和教程文件首先下载包含教程数据集的EEGLAB（30MB），附下载地址。（https://sccn.ucsd.edu/eeglab/downloadtoolbox.php）解压

**摘要**在过去的几十年里，生物机器人的应用，如外骨骼、假肢和机器人轮椅，已经从科幻小说中的机器发展到几乎商业化的产品。尽管肌电图（EMG）信号仍然存在一些挑战，但利用EMG信号控制此类生物机器人应用的进展是巨大的。同样，最近发展基于脑电图（EEG）的控制方法的趋势和尝试也显示了这一领域在现代生物机器人领域的潜力，但是基于脑电的控制方法有待完善。一种将这两种控制方法结合起来的新方法，利用每个系统的优点，减少缺点，因此可能是一个很有前途的系统。本文综述了近年来在生物机器人领域尝试或发展的基于肌电图

EXOduino开源手外骨骼有5个自由度，可以单独控制每一根手指的屈伸。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模组、EMGduino肌电模组、EXOduino手外骨骼、EDUduino单通道脑电模块等（某宝搜索即可或者扫码详询）。我们的设备BCIduino是一款由航弈生物开发的低成本的面向入

EXOduino是线驱动方式，可以单独控制五个手指每个手指的屈伸。线驱动方式可以提供足够的力量，同时我们也提供了可以更换的手套，以便使用者自主更换长时间磨损之后的手套。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模组、EMGduino肌电模组、EXOduino手外骨骼、EDUduino单通道脑电模块等（某

是，EXOduino手外骨骼兼容EDUduino单通道脑电设备，使用者可以直接控制外骨骼的抓握和伸掌。同时，EXOduino也兼容BCIduino多通道脑电设备与EMGduino多通道肌电设备，使用者需要对原始脑电与肌电数据进行处理和识别后，进而控制手外骨骼的抓握/伸掌等动作。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购B

一件EXOduino手外骨骼是单手手套，如果需要双手控制，则需要两套手外骨骼系统，每套可以单独使用串口/蓝牙传输指令进行控制。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模组、EMGduino肌电模组、EXOduino手外骨骼、EDUduino单通道脑电模块等（某宝搜索即可或者扫码详询）。我们的设备

EXOduino手外骨骼的核心开发板是Arduino，我们同时也提供了外骨骼的代码程序，使用者可以根据自己项目的需求进行指令修改。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模组、EMGduino肌电模组、EXOduino手外骨骼、EDUduino单通道脑电模块等（某宝搜索即可或者扫码详询）。我们的设

是，EXOduino默认通过HC05系列蓝牙与外界通信，用户可以通过手机APP或电脑等，通过蓝牙远程对外骨骼进行控制抓握等动作。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模组、EMGduino肌电模组、EXOduino手外骨骼、EDUduino单通道脑电模块等（某宝搜索即可或者扫码详询）。我们的设备

脑电图分析脑电分析是利用数学信号分析方法和计算机技术，从脑电信号中提取信息。脑电图分析的目标是帮助研究人员更好地了解大脑；协助医生进行诊断和治疗；以及促进脑-计算机接口（BCI）技术的使用。有很多方法可以粗略地对脑电图分析方法进行分类。用数学模型来拟合采样的脑电信号的方法可以归类为参数方法，反之就是非参数方法。传统上，脑电信号分析方法主要分为四类：时域、频域、时频域和非线性方法。方法1.频域法频域分析又称频谱分析，是脑电信号分析中最传统、也是最有力、最标准的方法之一。它通过采用统计和傅立叶变换方法来

​一项新的研究表明，调节大脑中电信号"分子体积旋钮（molecular volume knob）"有助于学习和记忆。这一发现可以帮助研究人员寻找管理神经系统疾病的方法，包括阿尔茨海默氏症、帕金森病和癫痫。这个分子系统控制着在神经元间突触间流动的电信号的宽度，这种控制机制的发现，以及调节这种机制的分子的识别，可能有助于研究人员寻找控制神经紊乱的方法，包括阿尔茨海默氏症、帕金森氏症和癫痫。这项研究发表在《美国国家科学院院刊》(Proceedings of The National Academy of Sc

引言​2015 年世界卫生组织指出，全球 60 岁以上的人群已占总人口的 12. 24%，且这一比例正逐年增加。而脑卒中作为老龄化人群中的高发病，其发病率高达 11. 2%，已经严重影响了人们的日常生活。据有关统计，我国每年新增脑卒中患者约为250 万，到 2020 年，我国的脑卒中患者达到 2000万人。在由脑卒中引起的偏瘫患者中，以手部功能障碍的人群居多。科学研究发现，人平均每天要进行约1500 次的抓握动作，是人与外界环境沟通交流的重要工具。因此对于偏瘫患者手部的康复与患者的日常生活辅助都有重要

将设备朝上放置，豁口朝上，通道定义如图所示。#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模块和外骨骼等（某宝搜索即可或者扫码详询）。...

首先需要用python接收并转发数据，然后用Matlab接收，原理：基于lsl。1.python接收并转发数据的代码可以联系管理员(wechat:l20081123456)，在采购设备之后赠送代码。2.Matlab接收数据的代码：addpath(genpath('/home/ibagon/OpenBCI/OpenBCI_MATLAB/Matlab-Python/labstreaminglayer'))%% instantiate the librarydisp('Loading the libra

硬件性能介绍：信号传输方式：Wi-Fi传输采样频率：1000Hz高速传输信号通道数：8通道，1/2/3/4/5/6/7/8，此外有GND和REF兼容上位机：Windows10上位机是否有波形显示功能：是上位机是否有滤波及陷波功能：是上位机数据对外转发方式：lsl，可基于lsl将数据传输至Matlab/Python/OpenVibe等上位机显示延迟：小于40ms电极方案：贴片电极及其导联线（需10根）输入阻抗：1TΩ输入偏置电流：300pA输入参考噪声：1μVpp共模抑制比：-11

第一步，首先下载OpenVibe并将它与BCIduino连接，并检测下数据（如图4所示），打开OpenVibe对应的erp-recording项目，并逐个拖入OpenVibe界面中打开，路径如图2所示。图1 数据获取示意图图2 ERP文件路径示意图第二步，运行范式、数据接收和保存文件（erp-2-record-signal），运行效果如下图3，在此过程中将对受试者展示相关刺激，并记录脑电数据，以便后续进一步分析使用。图3 实验范式和数据保存过程第三步，数据回放过程，运行erp-3-repla

在现实生活中，有很多思维正常但是有运动障碍的人无法直接与外界进行沟通。随着脑电技术的发展，脑机接口逐渐成为他们与外界的潜在交流方式，其特点在于直接通过大脑可以控制外设及字符输出等，不用借助外周肌肉组织等。在脑机接口领域，基于P300信号特征的脑机接口系统具有目标多、个体差异较少的优点，常常被广泛应用到BCI中[1]。本文讲述基于BCIduino与OpenVibe的脑电意念打字系统的设计方法及步骤。材料清单BCIduino 8通道脑电放大器*1（1579～1679元），如图1所示。脑电帽（干电极或湿电极

导读上一篇介绍了基于BCIduino做运动想象系统的教程方法，同时也介绍了BCIduino 8通道脑电放大器的具体参数，我们期望将它做成一款性价比比OpenBCI更优的低成本脑电放大器，同时极尽可能提升它的性能，以便用于工业级应用。本篇介绍BCIduino做稳态视觉诱发电位（SSVEP）系统的方法，本文在撰写过程中同时也修改了部分OpenVibe的参数，以便能够用于BCIduino.正文步骤一：连接BCIduino与OpenVibe，OpenVibe官方针对Windows有2个Stable版本的安装

导读：本文基于BCIduino 8通道脑电放大器和OpenVibe框架搭建了一套运动想象脑机接口系统，供读者参考交流。BCIduino 8通道脑电放大器具体参数如下：输入阻抗：1TΩ输入偏置电流：300pA输入参考噪声：1μVpp采样速率：250 Hz/500Hz共模抑制比：-110dB可调增益放大倍数：1、2、4、6、8、12、2分辨率：24 位 ADC，精度最高可达 0.1μV功耗：正常工作时 39mW，待机时低至仅 10μW采用可充电锂电池供电，进一步降低来自外部的干扰。尺寸：5

01.安装python3.7或更高版本;02.安装pip;03.打开cmd，依次运行pip install pylsl，pip install numpy;04.运行openbci_gui产生lsl数据流（名称BCIduino）或者cmd运行python SendData.py或者其他方式产生lsl流;05.cmd运行数据保存文件;06.cmd运行python server2.py（在运行之前根据放大器的采样频率修改s_freq参数，使它等于采样频率数值，并修改host和port数据和eprime

本文介绍用python对航弈生物BCIduino放大器脑电/肌电数据进行滤波及频谱计算。本文介绍如何用python mne对fif格式保存的脑电数据进行读取和简单的滤波，并用numpy对上述数据进行FFT分析，绘制相应的图像。本稿不涉及BCIduino数据如何保存，关于数据如何保存会在之后的文章给出。本文基于一个已经保存好的.fif格式的BCIduino肌电数据，数据保存了大约40s的肌电信号，信号内容是正常人模拟帕金森患者震颤时的肌电信号，采样频率250Hz，一共采集了5次，每次4s，对应fif文件中的

BCIduino文字教程https://mp.weixin.qq.com/s/g7NIU_s6DshSPJbEdtTI2wBCIduino视频教程https://b23.tv/crXhCV优快云：https://blog.youkuaiyun.com/nvsirgn/BCIduino兼容的上位机链接：https://pan.baidu.com/s/1r5KW2HSeOp94B15qIAvvHw提取码：7kqr使用上位机前应当安装Processing|该版测试有效链接：https://pan.bai

BCIduino文字教程https://mp.weixin.qq.com/s/g7NIU_s6DshSPJbEdtTI2wBCIduino视频教程https://b23.tv/crXhCV优快云：https://blog.youkuaiyun.com/nvsirgn/BCIduino兼容的上位机链接：https://pan.baidu.com/s/1r5KW2HSeOp94B15qIAvvHw提取码：7kqr使用上位机前应当安装Processing|该版测试有效链接：https://pan.bai

安装前准备打印模块清单：FRAME_BACK_medium *1FRAME_FRONT_medium *2E_HOLDER *10OCTABOLT *10OCTANUT *10硬件清单：脑电极触脚 10杜邦线母对母1M 10不锈钢弹簧0.51020mm 10M26螺丝 *10M2螺母 *10工具清单：螺丝刀 *1胶枪 *1胶棒 *1安装步骤第一步将螺丝螺母安装在脑电触脚中（如图所示）第二步准备一根杜邦线，将一端的头剪掉并拨开线皮，里面的铜芯留稍长一些。再把铜芯缠绕

xxxxxxxx#本篇由BCIduino脑机接口开源社区原创/转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模块和外骨骼等（某宝搜索即可或者扫码详询）。...

首先要安装pylsl，在cmd中运行：pip install pylsl安装好之后，运行以下python代码可以接收BCIduino通过lsl发出来的数据"""Example program to show how to read a multi-channel time series from LSL."""from pylsl import StreamInlet, resolve_stream# first resolve an EEG stream on the lab networ

基于python可以在Mac/linux/windows系统获取BCIduino脑电数据，基于android我们也提供了方案，联系下方管理员可以索取。此处贴出基于python获取BCIduino脑电数据的程序代码，有爱好者实测，可以在同一台电脑获取多个BCIduino模组的数据。import sysfrom pylsl import StreamInfo, StreamOutletimport argparseimport osimport stringimport atexitimport

上位机软件的编译好的可执行文件在.\ADS1299DASPlotter\bin\Release\中，双击运行。输入串口号按Connect即可连接，按Disconnect即可断开连接，选中Simulated为采用仿真数据源（不进行实际的硬件连接）。右上角可设置采样率、电压增益、是否打开去直流滤波器、是否打开工频滤波器（仅限实际硬件连接）。左下角为简易检波+施密特阈值判别器，可设置判别器参数、查看判别结果。此外，添加了LSL功能，程序启动就会打开一个LSL流，把读到的数据发送出去，LSL信息如下：

1.将脑电数据发送端的发送设备改成’BCIduino’，并设置相应的通道数等；info = StreamInfo('BCIduino', 'EEG', 32, 100, 'float32', 'myuid34234')2.运行发送数据的程序；3.运行显示波形的程序代码；即可对数据进行实时滤波和显示等，适用于linux/mac/Windows系统。注：以上程序适用于航弈生物最新HY-II型科研级脑电放大器，参数如下：★1.可以实现8通道脑电信号同步实时采集及传输。★2.脑电信号放大及采集参

打开OpenBCI_GUI之后，连接上BCIduino，在图示的红圈里有一排按钮，点击一下就会出现阻抗数据。测试的时候需要戴上脑电帽（湿电极的需要打导电膏）/或者戴上肌电电极片。#本篇由BCIduino脑机接口开源社区转载（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群（如果码过期了，可以添加wechat：cheitech，要求加入），也欢迎采购BCIduino脑电模块（某宝搜索即可）。

脑机接口入门第一篇，这篇写的不错，原文题目是A Beginner’s Guide to Brain-Computer Interface and Convolutional Neural Networks之后我们会适时把它翻译成中文，以飨读者。（https://towardsdatascience.com/a-beginners-guide-to-brain-computer-interface-and-convolutional-neural-networks-9f35bd4af948）作者主页是：

#本篇由BCIduino脑机接口开源社区整理（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群（如果码过期了，可以添加wechat：cheitech，要求加入），也欢迎采购BCIduino脑电模块（某宝搜索即可）。...