共空间模式 CSP 和滤波器组共空间模式 FBCSP 的 MATLAB 实现

最新推荐文章于 2024-03-24 04:12:07 发布

油泼西红柿

最新推荐文章于 2024-03-24 04:12:07 发布

阅读量3.1k

点赞数 4

分类专栏：脑机接口 MATLAB 文章标签： matlab

本文链接：https://blog.csdn.net/qq_37813206/article/details/123420431

版权

本文介绍了如何在MATLAB中实现共空间模式(CSP)和滤波器组共空间模式(FBCSP)的函数，包括cspfunc、cspfilt、fbcspfunc和fbcspfilt。cspfunc用于提取CSP特征并获取滤波器，cspfilt用于滤波，fbcspfunc扩展为分频段的CSP处理，fbcspfilt使用fbcsp滤波器进行滤波。使用这些函数时，需先用func计算滤波器参数，再进行filt操作。

摘要由CSDN通过智能技术生成

参考的博客：点击此处链接跳转
在这里插入图片描述
在博主的基础之上，修改为函数，并且增加了 FBCSP 的函数

共有四个函数
cspfunc：针对两类脑电和标签提取csp特征并获取滤波器
cspfilt：使用获取的csp滤波器滤波

fbcspfunc：针对两类脑电和标签提取fbcsp特征并获取滤波器（fbcsp 就是分频段组合的 csp，可以是csps？）
fbcspfilt：使用获取的fbcsp滤波器滤波

需要注意的是，必须先进行 func 计算获取滤波器参数，才能进行 filt

cspfunc 函数（主要的函数，借鉴上边博主的demo，大家如果觉得这篇有用也请一定去支持一下他）：

function [cspfeature cspw] = cspfunc(eeg,label,m)
% eeg:分段后的三维脑电（已滤波），采样点 * 通道 * 实验次数
% label：脑电的标签，列向量，值只有 1 和 2
% m：csp 参数

% cspfeature:提取到的fbcsp 特征，主要用于训练，如果是测试，需要用 fbcspfilt 函数滤波
% cspw:fbcsp 滤波器

%check and initializations
EEG_Channels = size(eeg,2); % 通道数目
EEG_Trials = size(eeg,3); % 实验次数
classLabels = unique(label);% Return non-repeating values
EEG_Classes = length(classLabels); % 标签类个数

covMatrix = cell(EEG_Classes,1); % 协方差矩阵
% Computing the normalized covariance matrices for each trial
trialCov = zeros(EEG_Channels,EEG_Channels,EEG_Trials);
for i = 1:EEG_Trials
    E = eeg(:,:,i)';
    EE = E*E';
    trialCov(:,:,i) = EE./trace(EE);  % 计算协方差矩阵
end
clear E;
clear EE;
% 计算每一类样本数据的空间协方差之和
for i = 1:EEG_Classes
    covMatrix{
   i} = mean(trialCov(:,:,label == classLabels(i)),3);
end
% 计算两类数据的空间协方差之和
covTotal = covMatrix{
   1} + covMatrix{
   2};
% 计算特征向量和特征矩阵
[Uc,Dt] = eig(covTotal);
% 特征值要降序排列
eigenvalues = diag(Dt);
[eigenvalues,egIndex] = sort(eigenvalues, 'descend')