基于matlab的脑电波信号处理

基于matlab的脑电波信号处理

ID:16506097

大小:23.50 KB

页数:5页

时间:2018-08-10

基于matlab的脑电波信号处理_第1页
基于matlab的脑电波信号处理_第2页
基于matlab的脑电波信号处理_第3页
基于matlab的脑电波信号处理_第4页
基于matlab的脑电波信号处理_第5页
资源描述:

《基于matlab的脑电波信号处理》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、做脑电波信号处理滴嘿嘿。。MatlabaddictedCodes%FEATUREEXTRACTERfunction[features]=EEGfeaturetrainmod(filename,m)a=4;b=7;d=12;e=30;signals=0;forindex=1:9;%readinthefirsttenEEGdatabecausethefilesarenumberedasha11test01ratherthanha11test1.s=[filename'0'num2str(index)'.dat'];signal=tread_wfdb(s);ifsignals==0;signals

2、=signal;elsesignals=[signalssignal];endendforindex=10:1:m/2;%readintherestoftheEEGtrainingdatas=[filenamenum2str(index)'.dat'];signal=tread_wfdb(s);ifsignals==0;signals=signal;elsesignals=[signalssignal];endend%%%%%modificationjustforvaryingthetrainingtestingratio------forindex=25:1:25+m/2;%readint

3、herestoftheEEGtrainingdatas=[filenamenum2str(index)'.dat'];signal=tread_wfdb(s);ifsignals==0;signals=signal;elsesignals=[signalssignal];endend%%%%%endofmodificationjustforvaryingthetrainingtestingratio-----forl=1:m%exratingfeatures(powerofeachkindofEEGwaveforms)[Pxx,f]=pwelch(signals(:,l)-mean(sign

4、als(:,l)),[],[],[],200);%relativepowerfdelta(l)=sum(Pxx(find(fa)));falpha(l)=sum(Pxx(find(fb)));fbeta(l)=sum(Pxx(find(fd)));fgama(l)=sum(Pxx(find(f>e)));%gamawaveincludedforadditionalworkendfeatures=[fdelta;ftheta;falpha;fbetaa;fgama];features=features';

5、end%CLASSIFIER%(Hasthreesimilarclassificationmodifation:EEGclassification,EEGclassificationmodandEEGclassificationmod1savedandusedintherunningfileforadditionalworks)function[class,err,classall,errall]=EEGclassification(trainfilename,m,testfilename,n,p,q)%p-waveform1,q-waveformtwoo–waveformthree%1-d

6、elta2-theta3-alpha4–beta5-Gamma[featurestrain]=EEGfeature(trainfilename,m);%modificationtoEEGfeaturemodfunctionforvaryingtestingtrainingratio[featurestest]=EEGfeature(testfilename,n);training=[featurestrain(:,p)featurestrain(:,q)];%modifyhowmanyfeaturestoextractheresample=[featurestest(:,p)features

7、test(:,q)];group=[ones(m/2,1);2*ones(m/2,1)];traininga=featurestrain;samplea=featurestest;[class,err,POSTERIOR,logp,coeff]=classify(sample,training,group,'quadratic');%'mahalanobis','quadratic','linear'asde

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。