脑电信号特征提取的Matlab代码实现

脑电信号特征提取是一个复杂的过程，需要多种算法和技术的综合应用。以下是一个简单的Matlab代码示例，可以用于基于时域和频域特征提取的脑电信号分析。

1. 时域特征提取

1.1 平均值 (Mean)

function [mean_value] = mean_feature(signal)
% signal: 输入的信号
% mean_value: 平均值特征

mean_value = mean(signal);
end

1.2 方差 (Variance)

function [variance_value] = variance_feature(signal)
% signal: 输入的信号
% variance_value: 方差特征

variance_value = var(signal);
end

1.3 标准差 (Standard deviation)

function [std_value] = std_feature(signal)
% signal: 输入的信号
% std_value: 标准差特征

std_value = std(signal);
end

1.4 峰值 (Peak)

function [peak_value] = peak_feature(signal)
% signal: 输入的信号
% peak_value: 峰值特征

peak_value = max(signal);
end

2. 频域特征提取

2.1 快速傅里叶变换 (FFT)

function [fft_signal] = fft_feature(signal)
% signal: 输入的信号
% fft_signal: FFT特征

fft_signal = abs(fft(signal));
end

2.2 能量 (Energy)

function [energy_value] = energy_feature(signal)
% signal: 输入的信号
% energy_value: 能量特征

energy_value = sum(signal.^2);
end

2.3 功率谱密度 (Power spectral density)

function [psd_signal] = psd_feature(signal)
% signal: 输入的信号
% psd_signal: PSD特征

fs = 250; % 采样率
nfft = length(signal); % FFT点数
window = hann(nfft); % 汉宁窗
[psd_signal,f] = pwelch(signal,window,[],nfft,fs);
end

以上是一些基本的特征提取函数，可以根据需要进行组合和调整。在实际应用中，还需要进行信号预处理和分类器的构建等步骤。