复现论文：A Channel-Projection Mixed-Scale Convolutional Neural Network for Motor Imagery EEG Decoding

【运行CP-MixedNet_HGD.py针对HGD数据集训练CP-MixedNet网络】

文件说明：
1. /EGG_data_trans/myread.m：BCICIV_2a_gdf中的数据包解码为mat，并按照实验节点分割成(2*288*22*1125)的数据，其中2代表实验数据和分类标签两个维度；288是试验次数，22是电极个数，1125是采样点。将解码后的文件保存到/data/中
   Biosig工具箱和BCI源文件均可根据论文提供的信息下载，关于biosig工具箱详细信息参见参考文献[15]
2. /datasets/DataLoading.py：加载.mat文件中的数据
3. /datasets/APaugmentation.py：对数据进行STFT并进行数据增强，再进行反STFT变换转换回numpy.array，保存到/processed_data/中用于实验
4. /torch_stft：进行STFT变换与反变换的模块，采用pytorch框架，可进行gpu加速
5. /CP-MixedNet.py：网络模型以及训练、检测用代码。

对于HGD数据集：
1. 数据集保存在/data_HGD（文件太大不上传了，可以直接根据论文提供的信息自行下载）
2. 数据读取模块/datasets/Dataloading_HGD.py
3. 数据增强模块/datasets/APaugmentation_HGD.py

实验说明：
按照论文中数据进行试验，epoch=500，batch_size=200，learning_rate=1e-4
训练准确率在61-68%浮动

实验环境：
Windows10操作系统，Pycharm2018.1 IDE，Matlab2018a
python 3.5.2
pytorch 1.2.0
numpy 1.15.2
scipy 0.18.1

2019.11.25 补充：
* 文件夹BCICIV_2a_gdf是原作者处理的数据，文件太大且未经授权，不上传
* 文件夹data是经过处理的BCI数据
* 文件夹data_HGD是HGD数据，文件太大不上传，可根据论文信息找到下载地址
* 文件夹EGG_datatrans存放原始BCI数据和处理程序，需要自行下载biosig工具箱和原始数据
* CP-MixedNet是优化之前的网络模型和主程序，初期复现验证数据和框架用的；
* CP-MixedNet_BCI是优化之后的网络模型和主程序，主要用于调参、修改模型和验证实验；
* CP-MixedNet_HGD是针对HGD修改的模型和主程序，由于数据不同，需要对读数据和模型输入做修改。
* 主要实验结果来源于CP-MixedNet_BCI的代码调试和运行结果。

调参后BCI数据集实验效果和论文近似，HGD还没有重复实验（应该不会继续做了