matlab方差特征提取,特征提取方法——共空间模式（Common Spatial Pattern,CSP）算法原理与实现...

1、原理

公共空间模式(CSP)算法采用监督的方法建立一个最优的公共空间滤波器，在最大化一类方差的同时最小化另外一类方差，采用同时对角化两类任务协方差矩阵的方式，获得可区分程度最大的特征向量。适用于二分类任务的特征提取。

公共空间模式(CSP)算法的过程以下：

(1)将原始数据按照类别进行分段。两类样本数据E可分类为E

1

E_1E1​和E

2

E_2E2​。E

1

E_1E1​为第一类样本数据，E

2

E_2E2​为第二类样本数据。

(2)计算分段后的原始数据的协方差矩阵，协方差矩阵的计算公式为：C

i

=

E

i

⋅

E

i

T

t

r

a

c

e

(

E

i

⋅

E

i

T

)

(

i

=

1

，

2

)

C_i = \frac{E_i\cdot E_i ^ \mathrm{ T }}{trace(E_i\cdot E_i ^ \mathrm{ T })} (i =1，2)Ci​=trace(Ei​⋅EiT​)Ei​⋅EiT​​(i=1，2) t

r

a

c

e

(

E

)

trace(E)trace(E)表示求矩阵E的迹。

分别计算分段后原始数据的协方差矩阵， C

1

C_1C1​为第一类样本数据的空间协方差矩阵的指望， C

2

C_2C2​表示第二类样本的空间协方差矩阵的指望， C

c

C_cCc​表示两类数据的空间协方差矩阵之和，则有C

c

=

C

1

+

C

2

C_c = C_1+C_2Cc​=C1​+C2​

(3)正交白化变换而且同时对角化(需理解矩阵白化的定