CSP共空间模式分解算法及特征值选取的matlab实现

很不错的matlab代码，针对于做EEG的运动想象的CSP分解算法和特征选取，代码注释很清楚，拿到手就可以用，结合数据集。

function features = extractCSPFeatures（EEGSignals CSPMatrix nbFilterPairs）

%extract features from an EEG data set using the Common Spatial Patterns （CSP） algorithm
%
%Input:
%EEGSignals: the EEGSignals from which extracting the CSP features. These signals
%are a structure such that:
%   EEGSignals.x: the EEG signals as a [Ns * Nc * Nt] Matrix where
%       Ns: number of EEG samples per trial
%       Nc: number of channels （EEG electrodes）
%       nT: number of trials
%   EEGSignals.y: a [1 * Nt] vector containing the class labels for each trial
%   EEGSignals.s: the sampling frequency （in Hz）
%CSPMatrix: the CSP projection matrix learnt previously （see function learnCSP）
%nbFilterPairs: number of pairs of CSP filters to be used. The number of
%   features extracted will be twice the value of this parameter. The
%   filters selected are the one corresponding to the lowest and highest
%   eigenvalues
%
%Output:
%features: the features extracted from this EEG data set 
%   as a [Nt * （nbFilterPairs*2 + 1）] matrix with the class labels as the
%   last column   

%initializations
nbTrials = size（EEGSignals.x3）;
features = zeros（nbTrials 2*nbFilterPairs+1）;
Filter = CSPMatrix（[1:nbFilterPairs （end-nbFilterPairs+1）:end]:）;

%extracting the CSP features from each trial
for t=1:nbTrials    
    %projecting the data onto the CSP filters    
    projectedTrial = Filter * EEGSignals.x（::t）‘;    
    
    %generating the features as the log variance of the projected signals
    variances = var（projectedTrial02）;    
    for f=1:length（variances）
        features（tf） = log（variances（f））;
    end
    features（tend） = EEGSignals.y（t）;    
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1708  2018-04-04 16:03  extractCSPFeatures.m

     文件       2015  2018-03-29 10:30  learnCSP.m

----------- ---------  ---------- -----  ----

                 3723                    2