能否提供一个用于MATLAB中执行PCA（主成分分析）的脑电信号处理代码示例？

当然可以。在MATLAB中进行主成分分析（PCA），首先需要读取脑电信号数据，然后对数据进行预处理、标准化，接着应用PCA算法，最后可视化主成分。下面是一个简化的代码示例：

% 导入数据（假设数据保存在.mat文件中）
data = load('brain_data.mat');

% 预处理数据（这里假定数据是时间序列，且有通道信息）
if isfield(data, 'channels')
    data = data.data; % 如果只有信号，去掉channel信息
end
data = detrend(data); % 去趋势
data = NaNmean(data, [], 2); % NaN填充并计算均值，每个通道独立

% 标准化数据
data = (data - mean(data)) / std(data);

% 执行PCA
[coeff, score, ~, explainedVar] = pca(data);

% 取前n个主成分（比如保留95%方差）
numComponents = find(cumsum(explainedVar) >= 0.95, 1);
coeff = coeff(:, 1:numComponents);
score = score(:, 1:numComponents);

% 可视化主成分得分
figure;
plot(score(:, 1), score(:, 2), 'o');
xlabel('PC1');
ylabel('PC2');
title(['Principal Components of Brain Signal Data (Explained Variance: ' num2str(explainedVar(1:numComponents).*) '] ');

% 结果存储
save('pca_results.mat', 'coeff', 'score', 'explainedVar');