脑机接口--特征提取

BCI系统中的信号处理包括信号采集、信号预处理、特征提取、识别分类、设备控制等过程
传统的脑电信号分析方法是对信号进行多次检测并进行均值滤波，再用统计学的方法寻找EEG的变化规律。这种方法信息传输率低，也不能满足实时控制的需求。目前对EEG 信号的处理一般采用对单次训练信号进行研究。其中特征提取和识别分类是 BCI 信号处理最为关键的环节。

我们这里用的是频域法：
EEG信号处理中常用的频域法有功率谱估计和参数模型法。功率谱估计是一种能够反映信号频率成分及相对强弱的频域分析方法，利用该方法对脑电信号各频段的功率和相干性进行分析，可得到信号的规律。参数模型法是现代谱估计使用最为广泛的一种方法，因其具有频率分辨率高、谱图平滑的特性，故能实现参数的自动提取和定量分析，特别适用于短数据处理，多应用于EEG的动态分析。频域特征通常利用功率谱密度PSD、自适应自回归AAR模型参数或小波频带能量来对其进行衡量，相应的提取方法主要有快速傅里叶变换FFT，AAR模型和小波变换等。

特征提取代码如下图：

第一步：如图

运行完之后（到EEG=那一列）右边工作区会出现EEG可以点击进去看数据类型（通道数✖事件✖分段）

最后运行后续代码：

做傅里叶变换之后数据类型为16✖257（数据都是频率的幅值）

然后保存右侧文件就行。这里特征提取就做完了。