运动想象BCI丨特征提取 MATLAB例程(一)

开源是一种情怀，像开源致敬！

源码地址：M-MohammadPour/EEGClassification

特征提取

  实施脑电信号分类，该计划分为两个阶段：
  第一阶段是使用自回归（AR），共空间模式（CSP），离散小波变换（DWT）和功率谱密度（PSD）的特征提取方法。
  下面探讨下CSP特征提取：
  共空间模式(CSP)理论推导：https://blog.csdn.net/missxy_/article/details/81264953

例程 app4.m

% Extract Common Spatial Pattern (CSP) Feature
close all; clear; clc;

load dataset_BCIcomp1.mat

EEGSignals.x=x_train;
EEGSignals.y=y_train;
Y=y_train;

classLabels = unique(EEGSignals.y); 
CSPMatrix = learnCSP(EEGSignals,classLabels);
nbFilterPairs = 1;

X = extractCSP(EEGSignals, CSPMatrix, nbFilterPairs);  
EEGSignals.x=x_test;
T = extractCSP(EEGSignals, CSPMatrix, nbFilterPairs);  

save dataCSP.mat X Y T


color_L = [0 102 255] ./ 255;
color_R = [255, 0, 102] ./ 255;

pos = find(Y==1);
plot(X(pos,1),X(pos,2),'x','Color',color_L,'LineWidth',2);

hold on
pos = find(Y==2);
plot(X(pos,1),X(pos,2),'o','Color',color_R,'LineWidth',2);

legend('Left Hand','Right Hand')
xlabel('C3','fontweight','bold')
ylabel('C4','fontweight','bold')

运行结果

  原一次被试运动想象信号如下：

  使用CSP特征提取方法将原运动想象信号转换为一个二维特征（如红色或蓝色点）：

  转为二维点后，即可使用分类器进行分类。