当前位置：首页 > news >正文

matlab提取脑电数据的五种频域特征指标数值

news 来源：原创 2025/5/15 7:37:27

脑电图（EEG）信号分析中，频域特征是研究脑电活动的重要手段之一。通过将EEG信号从时域转换到频域，可以提取出反映大脑不同功能状态的特征指标。以下是五种常用的频域特征指标及其计算方法和MATLAB实现。

1. 频域特征指标

1.1 平均功率谱密度（Average Power Spectral Density, APSD）

平均功率谱密度反映了信号在不同频率上的能量分布。它可以通过对EEG信号进行快速傅里叶变换（FFT）后计算得到。

1.2 总功率（Total Power, TP）

总功率是信号在所有频率上的功率之和，反映了信号的整体能量水平。

1.3 频率中心（Frequency Center, FC）

频率中心是功率谱的质心，反映了信号的中心频率。

1.4 峰值频率（Peak Frequency, PF）

峰值频率是功率谱中最大值对应的频率，反映了信号的主要频率成分。

1.5 频率带功率（Band Power, BP）

频率带功率是指在特定频带内的功率总和，常用于分析特定频段（如δ、θ、α、β）的脑电活动。

2. MATLAB实现

以下是一个MATLAB代码示例，用于提取上述五种频域特征指标。

2.1 准备EEG数据

假设你已经加载了EEG数据，数据存储在变量eegData中，采样频率为Fs。

% 示例EEG数据
Fs = 256; % 采样频率 (Hz)
eegData = randn(1, 256); % 随机生成的EEG数据

2.2 计算频域特征

% 计算功率谱密度
N = length(eegData); % 数据长度
f = (0:N-1) * (Fs / N); % 频率向量
Pxx = abs(fft(eegData, N)).^2 / N; % 功率谱密度% 1. 平均功率谱密度 (APSD)
APSD = mean(Pxx);% 2. 总功率 (TP)
TP = sum(Pxx);% 3. 频率中心 (FC)
FC = sum(f .* Pxx) / sum(Pxx);% 4. 峰值频率 (PF)
[~, PF_index] = max(Pxx);
PF = f(PF_index);% 5. 频率带功率 (BP)
% 定义频带范围
delta_band = [0, 4];
theta_band = [4, 8];
alpha_band = [8, 12];
beta_band = [12, 30];% 计算各频带功率
delta_power = sum(Pxx(f >= delta_band(1) & f <= delta_band(2)));
theta_power = sum(Pxx(f >= theta_band(1) & f <= theta_band(2)));
alpha_power = sum(Pxx(f >= alpha_band(1) & f <= alpha_band(2)));
beta_power = sum(Pxx(f >= beta_band(1) & f <= beta_band(2)));% 输出结果
fprintf('平均功率谱密度 (APSD): %.4f\n', APSD);
fprintf('总功率 (TP): %.4f\n', TP);
fprintf('频率中心 (FC): %.4f Hz\n', FC);
fprintf('峰值频率 (PF): %.4f Hz\n', PF);
fprintf('δ频带功率: %.4f\n', delta_power);
fprintf('θ频带功率: %.4f\n', theta_power);
fprintf('α频带功率: %.4f\n', alpha_power);
fprintf('β频带功率: %.4f\n', beta_power);