matlab脑电信号特征提取代码

以下是一个简单的 Matlab 代码示例，用于提取脑电信号的特征：

% 导入脑电信号数据
data = load('eeg_data.mat');
eeg_signal = data.eeg_signal;

% 滤波
fs = 256; % 采样率
fc = [0.5 30]; % 截止频率
[b,a] = butter(4,fc/(fs/2),'bandpass'); % 带通滤波器
filtered_signal = filtfilt(b,a,eeg_signal);

% 特征提取
window_size = 256; % 窗口大小
step_size = 128; % 步长
num_channels = size(filtered_signal, 2); % 通道数
num_features = 4; % 特征数
num_windows = floor((size(filtered_signal, 1) - window_size) / step_size) + 1; % 窗口数
features = zeros(num_windows, num_channels * num_features); % 特征矩阵

for i = 1:num_windows
    window_start = (i - 1) * step_size + 1;
    window_end = window_start + window_size - 1;
    window_data = filtered_signal(window_start:window_end, :);
    features(i, :) = extract_features(window_data);
end

% 特征函数
function f = extract_features(data)
    % 计算平均功率谱密度
    psd = pwelch(data);
    mean_power = mean(psd);
    
    % 计算方差
    variance = var(data);
    
    % 计算偏度
    skewness = skewness(data);
    
    % 计算峰度
    kurtosis = kurtosis(data);
    
    % 将特征串联成一行向量
    f = [mean_power variance skewness kurtosis];
end

上述代码首先导入脑电信号数据，并进行带通滤波以去除不需要的频率成分。接下来，使用滑动窗口的方法对每个窗口进行特征提取。特征包括平均功率谱密度、方差、偏度和峰度。最后，将所有特征串联成一行向量，形成一个特征矩阵，可以用于后续的分类或回归任务。