脑电数据matlab代码获得x_train,x_test,y_train,y_test

以下是一个基于EEGLAB工具箱的脑电数据处理和特征提取的示例代码，用于获得x_train、x_test、y_train和y_test等数据：

% 读取原始脑电数据文件，比如edf格式的文件
EEG = pop_biosig('filename.edf');

% 使用EEGLAB工具箱进行数据预处理，比如滤波、去噪、去眼电等
EEG = pop_eegfiltnew(EEG, [], 1, 826, true, [], 0);
EEG = pop_reref( EEG, []);
EEG = pop_clean_rawdata(EEG, 'FlatlineCriterion', 5, 'Highpass', 'off', 'ChannelCriterion', 0.8, 'LineNoiseCriterion', 4, 'WindowCriterion', 'off', 'BurstCriterion', 20);

% 提取脑电信号的频域和时域特征，比如功率谱密度和时域统计量
[psd,f] = pwelch(EEG.data',[],[],[],EEG.srate);
psd = log10(psd)';
psd = psd(:,f<=30 & f>=1); % 只保留1-30Hz的频段
stat_feat = [mean(EEG.data,2), std(EEG.data,0,2), skewness(EEG.data,1,2), kurtosis(EEG.data,1,2)]; % 平均值，标准差，偏度，峰度

% 根据任务标签，将数据分为训练集和测试集
task_labels = [1 2 1 2 1 2 1 2 1 2]; % 假设有10个样本，前5个属于任务1，后5个属于任务2
train_idx = [1 3 5 7 9]; % 训练集样本的索引
test_idx = [2 4 6 8 10]; % 测试集样本的索引

% 将特征和标签保存为.mat格式的文件
x_train = [psd(train_idx,:), stat_feat(train_idx,:)];
x_test = [psd(test_idx,:), stat_feat(test_idx,:)];
y_train = task_labels(train_idx)';
y_test = task_labels(test_idx)';
save('data.mat', 'x_train', 'x_test', 'y_train', 'y_test');

需要注意的是，以上代码仅供参考，具体的数据处理和特征提取方法需要根据具体的应用场景进行选择和调整。同时，在获得数据时需要遵守相关的伦理规定和法律法规。