脑电EEG信号处理文章搜集

一. 脑电基础知识

基础知识可以边看代码，边来查
然后这个是我自己对于脑电最基础的了解，可能搜集的不全，实在是没有时间了。不过中文的资料也是蛮多的，希望看到的朋友能够找到有用的文章，感谢

1.数据集介绍

2a数据集中文版简短总结
2a数据集中文版完整介绍
2a数据集英文版完整介绍

2b数据集中文版介绍

2.epoch/events

epoch，events结构介绍1
epoch，events结构介绍2

3.特征提取相关

时域，空域，频域的基本概念
如何理解傅里叶变换公式

二. 预处理

小波变换，独立分量分析，希尔伯特-黄变换，主成分分析法（PCA）、独立成分分析法（ICA）

1.信号滤波

信号滤波
由于脑电信号信噪比较低，内含大量外界干扰噪声(设备仪器工频干扰等)和伪迹成分（人体内部振荡引起的非脑电信号，如眼动，心跳等）。外界干扰噪声频率较高，可以利用滤波器分离，但人体内部引起的伪迹成分与脑电有效成分的频率接近，需要用其他预处理方法进行滤除。

2.信号分割

对于连续的脑电信号，我们只关心包含运动想象信息的部分

3.伪迹去除

针对采集的脑电数据中可能存在的眨眼、心电、肌电等伪迹干扰问题

三. 特征提取

1.CSP

运动想象| EEG信号、共空间模式算法（CSP）
Python中MNE库利用CSP分析运动想象数据
Python中MNE库滤波的重要性_zhoudapeng01的专栏-程序员秘密_mne滤波

MNE-Python处理脑电教程汇总

MNE-Python从Raw对象中解析event（其中有专门提到了events_from_annotations函数和event的关系，刺激通道等）

四. 常用分类方法

CSP特征分类

线性判别分析LDA，支持向量机SVM
贝叶斯LDA，稀疏LDA聚合

其他分类器

概率神经网络PNN
极限学习机ELM
K最邻近KNN
朴素贝叶斯分类器

五. numpy

numpy.where
numpy.nan
numpy.min
numpy.testing.assert_array_equal
numpy.zeros
numpy.nanmean
Ndarray 对象
numpy数组带逗号的切片