Во-первых, я бы НАСТОЯТЕЛЬНО РЕКОМЕНДУЕМ пройти через EEGLab ' s, Fieldtrip или некоторые другие руководства по инструментам ЭЭГ, прежде чем проводить какой-либо серьезный анализ. Просто брать частотную составляющую необработанного сигнала ЭЭГ бесполезно, если только набор не будет правильно предварительно обработан (повторная ссылка, удаление артефактов и т. Д.). Кроме того, изучение этих руководств предоставит контекст того, как вы на самом деле хотите управлять своим сигналом.
Например, фраза «извлечь данные определенного частотного диапазона», вероятно, искажает то, что вы на самом деле хотите получить из своих данных. Пройдя через одно из связанных руководств, вы увидите, какой анализ вы хотите выполнить, и предоставите вам доступные и расширенные инструменты для этого (то есть вам не придется приспосабливать общие функции MATLAB к данным ЭЭГ).
Если вы выполняете развлекательный / исследовательский анализ, я предоставил несколько примеров методов для управления / анализа сигнала ЭЭГ в частотной области.
Необработанный сигнал
Полосовой фильтр
В этом анализе вы в основном удаляете любые составляющие сигнала ниже низкочастотного порога и выше высокочастотного порога.
d = fdesign.bandpass(...) % set inputs that are appropriate to your data
myFilt = design(d,'butter');
new_data = filter(myFilt,data);
или eegfilt.m
Оценки спектральной плотности мощности (PSD)
Интуитивно это показывает средний вклад определенного частотного диапазона в сигнал (т.е. если у нас есть чистая волна 10 Гц, у нас будет плоская линия с единственным пиком на 10 Гц). Это довольно хороший способ количественно оценить вклад сигнала в частотной области. Этот пост представляет собой отличное резюме / контекстуализацию того, как интерпретировать PSD в контекст нейронных данных.
pwelch(data);
Частотно-временной спектр PSD
Подобно предыдущему анализу, но теперь мы смотрим на величину во временной И частотной области.
spectrogram(data);
или timefreq.m
person
Brendan Frick
schedule
06.03.2017