matlab csp共空间代码,运动想象中共空间模式算法（CSP）的实现

最近在研究运动想象算法，其中CSP来提取特征用的比较多，尤为是在二分类的问题中，以前写过一篇如何在MNE库中实现CSP算法的博客，用的是MNE库中已经写好的算法，如今想本身实现该算法，研究了几天发现坑仍是比较多的。。。先列出一些参考的博客文章，里面有对应的算法在matlab中的实现，后面主要是解释算法中的一些细节以及本身对该算法的理解。强烈建议下载本博客的资源包对照着看，里面是整理好的博客中用到的资料。html

CSP原理：算法

CSP在Python MNE库中的实现编程

matlab代码实现：函数

上面既然都有实现好的版本了，本着拿来主义的思想原本不打算本身开发的，可是考虑到后面须要支持多种编程语言的实现，以及验证算法的准确性，我在python中也实现了一遍，并尝试理解每一条语句的意义，及其对应的原理。不弄不知道啊，一弄发现了不少有趣的细节。3d

一句话总结CSP算法：共空间模式算法的基本原理是利用矩阵的对角化。找到一组最优空间滤波器进行投影，使两类信号的方差差别化最大，从而获得具备较高区分度的特征向量。

上面所说的特征向量也就至关于滤波器，输入数据通过和特征向量的运算就会获得最大差别化方差的信号，这个信号我理解为是“原始波形”，测量结果=原始波形 * 电极位置，这一点在后面会详细解释。

算法的实现原理在前面的博客中都有所介绍，但愿你们能对照着看，公式的推导这里就再也不赘述，下面主要说一下对应的代码实现中遇到的问题。

问题1 求协方差矩阵

全部的资料第一步都是求对应数据的协方差矩阵，其对应的计算公式为

不知道你们有没有注意到这根本不是协方差矩阵的标准形式，协方差矩阵的计算方法见：https://blog.csdn.net/Mr_HHH/article/details/78490576。协方差的计算应该是去均值后的数据，而且是对列的运算，矩阵X的协方差计算公式为：

那为何在这里会这么计算呢？对行计算这个问题好解释，由于脑波数据通常都是按行存储的，这就是转置的问题。但是为何它不用减去均值，而且也没有求平均。这个问题困扰了我很久，最后在一篇文献中找到了想要的答案。

《Designing optimal spatial filters for single-trial EEG classification in a movement task》文章的796页有以下两段话。

第一段话主要的意思是说，EEG数据是滤波后的，均值为零，看到这恍然大悟，滤波后的数据没有直频份量，均值那可不就是零么，那也就不用减均值了。