Hubery-个人项目经历记录
研究生期间很有幸的进入到了崔老师的组，从此也就进入到了分析人体生理信号的领域，充满挑战的同时也充满了乐趣。借着CSDN整理一下近几年来参与的项目，这里蕴含着我各种美好的回忆，也作为一个展示自己的平台吧。博客中很多结果只给了中间结果，一是很多有趣的现象都隐藏在中间结果中，二是最终集成的平台或算法也涉及保密。
音乐与脑电
这个是毕设课题，所以学习的内容比较多，也因此音乐的诸多物理特征和算法都有所了解。因尝试建立音乐和脑电的关系，也不断学习了很多种非线性算法。这里不一一列举，只给出一些好玩的现象。
基音缺失（misssing fundamental）
这里黄锷院士提出了Holo的思想，从调制频率方向上解释了为什么确实基频后，听到的还是那个频率的音高，Holo算法也被应用于多种其他时序信号中。如用于分析脑电来判定阿尔兹海默症与脑小血管症。
MSE（多尺度样本熵）
彭仲康教授提出的算法，我个人通过研究时发现音乐的时序特征熵越高，对应的脑电的熵也越高。比如听Jazz和Mozart的一首歌，大尺度上的熵有很好的对应关系。
DFA（去趋势波动分析）
DFA也是彭仲康教授提出的方法，在研究莫扎特效应时我曾计算过K448的DFA指数，很接近与1，与大自然的声音（粉红噪声）接近。
音乐时大脑的功能连接
很有趣的结果，听音乐时大脑的连接强度是变小的（部分论文显示是升高的）。
助眠：ASMR与ASSR
曾通过分析一些有助眠效果音乐，还有ASMR（比如掏耳朵，揉纸团，海浪等声音），曾尝试使用音乐的ASSR（听觉稳态诱发响应）来解释，但因数据缺失耽搁了，后续有机会再次收些数据试试。
睡眠与脑电（或PSG）
主要做的任务是睡眠分期和呼吸暂停事件检测。
具体可见连接：https://hubery-hu.blog.csdn.net/article/details/135231518
目前睡眠5分期效果已有86.5%，同时为集成转化了matlab，python，c++等多种版本。
情绪与脑电 & 运动想象
这里从运动想象出发，学习了其中最常见的CSP（共空间模式）算法，将其应用于少通道脑电的情绪识别中，结合EMD和SVM常见特征，最终8种情绪的分类效果在80%左右。
脑机接口（脑控）
最初的版本是在安克做的，使用了眨眼做特征实现脑控，但是考虑到其应用面较少，脑控的算法也不成熟，最终不了了之，目前自己购买了Muse的头环，打算先开发一个脑控的猜拳小游戏。有兴趣的小伙伴也可以联系我一起测试哦~
脑电与疾病监测
后来逐渐将脑电分析用在了各种疾病的监测上，比如癫痫（癫痫发作，尖棘波识别），麻醉深度的监测，爆发抑制的识别等。下方是我模拟的爆发抑制结果（做疾病监测时开发的第一个算法）和两位专家标注结果的比较，很有成就感~
陀螺仪
欧拉角（用于空间音频）
这里基于TDK、ST等厂商的6轴陀螺仪芯片，应用四元数的方法实现了欧拉角的计算。下图是对Yaw（偏航角）的中间结果。
运动识别和姿势识别
做这个任务时，每天带着耳机蹦蹦跳跳的（测了自行车，跑步，走路，爬楼梯，跳绳，仰卧起坐，俯卧撑等），还是很怀念（I人被迫吸引别人注意力哈哈哈）~
下面分别是Jump和Walk的6轴值以及计算出的欧拉角，可以看出计步（计数）还是很简单的，姿势识别起来也很简单（比如某些角度的规律变化？当然具体识别算法需融合更多信息，之后在其他博客中介绍）
有了欧拉角，一些低头提醒和久坐提醒的功能也就很好开发了，根据场景配置即可。
音乐信号
除了常见的音乐特征（比如MFCC，色度频率，过零率等）特征的计算外，也做过一些好玩的尝试，比如改变相位和填充包络等，音乐风格真的很好玩，大家也可以试试哦。
改变相位
这里改变了K448的相位，这两首歌的频谱还是一样的。
填充包络
提取K448的包络后，波形不一致了，但整体节奏感还是一样的，音乐变得很魔性。
其他生理信号
心电和HRV
心电的算法已经很常见了，这里不再赘述，
我曾使用HRV去计算放松度来和BrainCo的结果做比对，整体曲线大趋势一致，可惜量级不一致，且细节上毛刺变化差异很大。但这个模型需建立在大量数据集的基础上，后来也没有BrainCo头环了。。。也耽搁了，后续有兴趣再试试吧。
PPG信号和呼吸率
耳内采集的PPG信号在静息放松的时候还可以同时监测到呼吸率（参考EDR算法）。
从下图可以看出，PPG的信号在上下包络上也有周期性波动，在信号质量比较好的时候，也可以用它来计算呼吸率。
血压信号的SVV和PPV
具体可见链接：https://hubery-hu.blog.csdn.net/article/details/133696610
具体效果（这里只展示最好看的波形，实际算法考虑了多种异常情况，可看上方链接了解）：
其他算法
去噪
小波去噪和EMD去噪：具体见链接：
效果如下：https://hubery-hu.blog.csdn.net/article/details/133862472
Hample算法：https://hubery-hu.blog.csdn.net/article/details/132020843
效果如下：
ICA
这里复写了Sobi和MARA算法，实现脑电的ICA。
下图展示了分解出的眼电成分（眨眼和眼瞟）。
各种深度学习方法
CNN、LSTM、Transformer、GNN等都有所涉及，不一一赘述了。
混沌、分形、滤波等多种算法
总结
希望这些介绍能让大家对我有个基础的映像，不定期更新哦~