计算三角洲EEG信号的力量

98(30天)

显示旧的评论

迈克尔 2012年3月6日

2
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal

评论道: 瓦拉希德2021年3月9日

我想计算脑电图记录的“三角洲力量”在一觉。从原始的脑电图信号(在微伏),我试图做的小窗的短时傅里叶变换(STFT)的原始信号,然后分析输出的范围0.5 - 4赫兹(δ)。

我有很多疑问1)应该如何理想STFTs计算;2)如何用Matlab计算STFTs;和3)如何平均结果感兴趣的频段和时间范围。

我很抱歉这篇文章的长度。很明显,我应该在信号处理课程,但是生命是短暂的,我在我的职业生涯中,没有时间去学习从第一原则。任何帮助缓解我的无知这将不胜感激。

作为背景,我运行与信号处理工具箱Matlab 7.5.0.342 WinXP机器上(64位)。

1)我的理解是,我可以把我的原始光谱图脑电图信号来实现STFTs。这似乎合理吗?而不是剪下小原始信号的时间窗,汉宁窗口,计算FFT计算输出的力量,继续下一个窗口,泡沫冲洗重复,等等…

2)由于某种原因,我有两个谱图功能:“声谱图”和“specgram”。后者可能是第三方。当我试图叫声谱图,它给了我错误:未定义的函数或方法“gencoswin”“汉明”在14。是specgram /光谱图不包含在信号处理工具箱吗?这是一个授权错误吗?这两个函数有什么很大的区别吗?

3)上的几篇文章我读的过程中提取三角洲力量把信号分为4 s windows (= nfft),平均计算STFT,然后在其中的几个窗口(例如,avg力量在20年代windows)。一些作者还平均频率本为了得到一个估计的权力范围0.5 - 4赫兹。通常是没有指定这个平均是如何实现的:因为abs、广场和日志是非线性的,这很重要当我在频率和平均时间垃圾箱。任何建议平均步应该做什么(例如,我应该平均日志PSD或日志PSD的平均吗?)

4)3)有关,是输出b specgram平方单位(或在光谱图)?

5)现在,我使用一个窗口的大小nfft。在这种情况下,我认为不可能有重叠,是真的吗?有什么问题不重叠的信号呢?

6)假设我20多岁的片段的原始信号。然后我计算一个谱图的窗口大小(nfft) 4 s。我希望时间是5箱和奈奎斯特* 4(+ 1)频率垃圾箱。我得到这个结果(例如,f =尼奎斯特* 4 + 1;t = 5),但是当我策划的输出(冲浪),它从约秒,不是0-20秒。也就是说,这是策划4次windows从0 - 4,4 - 8人,8 - 12,12日至16日。如果我提高时间分辨率(但恶化我的光谱分辨率),我得到了接近20多岁的窗户。有一个理想的平衡吗?如果我去nfft = 4 s,然后我要开始下一个20多岁时窗4 s窗口后面,为了弥补损失的窗口从16 - 20 ?

7)在旧报纸,窗外是一个货车车厢nfft的长度。我认为specgram汉宁窗。有没有一种方法来指定specgram货车车厢吗?

8)最后,另一个方法是做这一切在时域:生成一个,说,切比雪夫型带通滤波器之间0.5和4赫兹;过滤器原始脑电图信号与这些多项式系数(使用filtfilt避免相移误差);然后简单地计算1噩权力形式的过滤值10 * log10 (x2。^ 2 + 1)(+ 1是消除分数的信号,这将产生负日志记录)。这产生上述谱图的版本一样吗?

谢谢你的帮助

0评论
显示隐藏1以上的评论

登录置评。

在回答这个问题。

答案(8)

Kosai 2012年3月7日

4
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal answer_39909

你好迈克尔,我将回答你的问题的计算Delta-Power:一开始你不需要使用提取Delta-Band-Information STFT,只是你必须使用Wavelet-Decompostion-Analysis(看看Wavelet-ToolBox),最重要的一点,小波分析是确定Sampling-Freqeny EEG-Data-Row (Fs),我将假设您(Fs = 1000赫兹为例),所以我们需要一个Wavelete-Decompostion-Analysis水平(8)有着带频= 4赫兹(Delta-Band),只需输入以下命令:

                             S =“你的EEG-Data-Row”;
                            
                             waveletFunction =“db8”或“sym8”或“coif5’或‘db4”;
                            
                             [C、L] = wavedec (waveletFunction年代,8日);
                            
                             % %计算Coificients向量
                            
                             cD1 = detcoef (C、L、1);%的
                            
                             张= detcoef (C、L、2);%的
                            
                             cD3 = detcoef (C、L、3);%的
                            
                             cD4 = detcoef (C、L, 4);%的
                            
                             cD5 = detcoef (C、L、5);%伽马
                            
                             cD6 = detcoef (C、L、6);%β
                            
                             cD7 = detcoef (C、L、7);%α
                            
                             cD8 = detcoef (C、L、8);%θ
                            
                             cA8 = appcoef (C、L waveletFunction 8);%△
                            
                             % % % %计算向量的细节
                            
                             D1 = wrcoef (' d 'C L waveletFunction, 1);%的
                            
                             D2 = wrcoef (' d 'C L waveletFunction, 2);%的
                            
                             D3 = wrcoef (' d 'C L waveletFunction 3);%的
                            
                             D4 = wrcoef (' d 'C L waveletFunction 4);%的
                            
                             D5 = wrcoef (' d 'C L waveletFunction 5);%γ
                            
                             D6 = wrcoef (' d 'C L waveletFunction 6);%β
                            
                             D7 = wrcoef (' d 'C L waveletFunction 7);%α
                            
                             D8 = wrcoef (' d 'C L waveletFunction 8);%θ
                            
                             A8 = wrcoef (“一个”C L waveletFunction 8);%△
                            
                             POWER_DELTA = (sum (A8。^ 2)) /长度(A8);

我希望,这将帮助你…

10评论
显示隐藏 9年长的评论

Kosai 2012年3月20日

你好Shitanshu Mishra,我会假设你有wavelet-toolbox Matlab版本,因为我的代码需要它。

我将试着解释代码基于(sin-signal);

1 -我们必须确定抽样Frequancy赫兹(Fs):

FS = 1000;

2 -生成时域(t):

t = 1 / f;

3 -生成SIN-Signal基于(t, Fs):

mySignal =罪(2 *π* t);

4 -现在我们假设mySignal与EEG-RAW,现在我们要做的这个EEG-RAW小波分析。正如我之前提到的,最重要的是通过小波分析来确定(Fs),在我们的例子中(Fs = 1000赫兹)。你现在带的频率

θ= 0 - 4赫兹,

δ= 4 - 8赫兹,

分裂到8 - 16个赫兹,α=

β=至少需要补充16至32赫兹,

γ= 32 - 64赫兹,

现在为了求得这些Bands-Frequency,小波分析是一种非常有效的方法,所以小波分析试图水槽的频率信号(mySignal)在不同的乐队,所以对于每一个乐队,我们必须提取Decompostion水平不断从主信号和这样做,直到我们之间有着乐队(0 - 64 Hz),现在我们有(Fs = 1000),那么我们需要分解的信号(8)水平之间的乐队(0 - 64赫兹)。

5 -确定小波函数进行分析,有许多functions-Family小波,所以我建议你使用(sym8或db8),在本例中,我将使用(db8):

waveletFunction =“db8”;

6 -家庭mySignal小波分析:

[C、L] = wavedec (mySignal 8 waveletFunction);

7-Calculation每个乐队的Coificients向量:

cD1 = detcoef (C、L、1);%的

张= detcoef (C、L、2);%的

cD3 = detcoef (C、L、3);%的

cD4 = detcoef (C、L, 4);%的

cD5 = detcoef (C、L、5);%伽马

cD6 = detcoef (C、L、6);%β

cD7 = detcoef (C、L、7);%α

cD8 = detcoef (C、L、8);%θ

cA8 = appcoef (C、L waveletFunction 8);%△

8 -计算每个乐队的细节向量:

D1 = wrcoef (waveletFunction ' d ' C L, 1);%的

D2 = wrcoef (' d ' C L, waveletFunction, 2);%的

D3 = wrcoef (' d ' C L, waveletFunction, 3);%的

D4 = wrcoef (' d ' C L, waveletFunction, 4);%的

D5 = wrcoef (' d ' C L, waveletFunction, 5);%γ

D6 = wrcoef (' d ' C L, waveletFunction, 6);%β

D7 = wrcoef (' d ' C L, waveletFunction, 7);%α

D8 = wrcoef (' d ' C L, waveletFunction, 8);%θ

A8 = wrcoef (a、C、L、waveletFunction 8);%△

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

vinay kulkarni 2020年7月17日

编辑:vinay kulkarni 2020年7月17日

@sunidhi gupta我面临同样的错误。我添加了以下行:

Data_Name = Data_Name (:);

它在我的代码工作。

它可以帮助你。

登录置评。

Shitanshu Mishra 2012年3月21日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal answer_41537

感谢Kosai这样一个支持....我的脑电图数据采样频率256赫兹,我想从给定的主要信号中提取信号的乐队。请告诉我有多少水平,我应该分解信号Fs = 256 ?还告诉我,/我最后所有5波段信号是如何回来的时候,他们怎么能被检索是分开的吗?(我的意思是在变量或函数)什么?

谢谢你的帮助,直到现在,请帮一点忙。的问候。Shitanshu Mishra

0评论
显示隐藏1以上的评论

登录置评。

Shitanshu Mishra 2012年3月21日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal answer_41545

另外:

δ4

θ4 - 8

阿尔法8 - 13

β> 13 - 30

γ30 - 10

参考: http://en.wikipedia.org/wiki/Electroencephalography

请帮我我怎么能提取所有5五个波段信号。我的新小波分解。

5个评论
显示隐藏 4年长的评论

Kosai 2012年3月21日

嗯,你有EEG-Signal Fs = 256 Hz,所以在这种情况下,你需要(5分解水平):

函数(γ、βα、θ,δ)= getBand (mySignal waveletFunction)

[C、L] = wavedec (mySignal 5 waveletFunction);

%计算每个乐队的Coificients向量

cD1 = detcoef (C、L、1);%的

张= detcoef (C、L、2);%γ

cD3 = detcoef (C、L、3);%β

cD4 = detcoef (C、L, 4);%α

cD5 = detcoef (C、L、5);%θ

cA5 = appcoef (C、L waveletFunction 5);%△

%计算每个乐队的细节向量:

D1 = wrcoef (waveletFunction ' d ' C L, 1);%的

D2 = wrcoef (' d ' C L, waveletFunction, 2);%γ

D3 = wrcoef (' d ' C L, waveletFunction, 3);%β

D4 = wrcoef (' d ' C L, waveletFunction, 4);%α

D5 = wrcoef (' d ' C L, waveletFunction, 5);%θ

A5 = wrcoef (a、C、L, waveletFunction, 5);%△

γ= D2;人物,情节(1:1:长度(γ)、γ);

β= D3;人物,情节(1:1:长度(β),β);

α= D4;人物,情节(1:1:长度(α),α);

θ= D5;人物,情节(1:1:长度(θ),θ);

δ= A5;人物,情节(1:1:长度(δ),δ);

%调用的函数:

% Fs = 256;t = 0:1 / Fs: 1;mySignal =罪(2 *π* t);

% waveletFunction =“db8”;

%(γ、βα、θ,δ)= getBand (mySignal waveletFunction);

Kosai 2012年3月21日

嗯,你有EEG-Signal Fs = 256 Hz,所以在这种情况下,你需要(5分解水平):

函数(γ、βα、θ,δ)= getBand (mySignal waveletFunction)

[C、L] = wavedec (mySignal 5 waveletFunction);

%计算每个乐队的Coificients向量

cD1 = detcoef (C、L、1);%的

张= detcoef (C、L、2);%γ

cD3 = detcoef (C、L、3);%β

cD4 = detcoef (C、L, 4);%α

cD5 = detcoef (C、L、5);%θ

cA5 = appcoef (C、L waveletFunction 5);%△

%计算每个乐队的细节向量:

D1 = wrcoef (waveletFunction ' d ' C L, 1);%的

D2 = wrcoef (' d ' C L, waveletFunction, 2);%γ

D3 = wrcoef (' d ' C L, waveletFunction, 3);%β

D4 = wrcoef (' d ' C L, waveletFunction, 4);%α

D5 = wrcoef (' d ' C L, waveletFunction, 5);%θ

A5 = wrcoef (a、C、L, waveletFunction, 5);%△

γ= D2;人物,情节(1:1:长度(γ)、γ);

β= D3;人物,情节(1:1:长度(β),β);

α= D4;人物,情节(1:1:长度(α),α);

θ= D5;人物,情节(1:1:长度(θ),θ);

δ= A5;人物,情节(1:1:长度(δ),δ);

%调用的函数:

% Fs = 256;t = 0:1 / Fs: 1;mySignal =罪(2 *π* t);

% waveletFunction =“db8”;

%(γ、βα、θ,δ)= getBand (mySignal waveletFunction);

总裁康德 2017年10月20日

谢谢你伟大的解释。我有一个疑问,你说三角洲0-4Hz但在文档是作为0.5 - 4赫兹。的问题是关于降低频率,不会0.0 - -0.5赫兹的信号作用的剩余部分相同吗?

登录置评。

Salaheldin 2012年5月10日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal answer_47441

嗨Kosai,

非常感谢你这个非常有用的代码。我有两个问题:(1)为什么我们需要cD = detcoef cA = appcoef()和()命令吗?我们不使用cD或cA变量在任何操作。(2)如何计算每个分解的能力水平,更具体地说,乐队的利益(αγ、β,δ,θ)?

最后一点,如果我的采样频率是2000,然后我需要9分解级别捕获感兴趣的乐队在上面的expample,不是吗?

非常感谢! ! !

1评论
显示隐藏 None

Kosai 2012年6月7日

嗨Salaheldin,

其实我们不需要的(cD,…, cA)但我包括他们在代码中有一个更好的视觉Coificients和向量小波细节。

的权力,只是计算每个频带的能量(能量=权力= abs (sum (myBand。^ 2)))

如果你的Fs 2000是的你需要9分解水平。

登录置评。

Riheen 2013年2月26日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal answer_76630

编辑:Riheen 2013年2月26日

嗨KOSAI,伟大的解释。我有一个问题。假设,我的数据是抽样500 hz。所以,根据Nyqusit定理有250赫兹频段。我过滤信号0 - 64赫兹。我需要0-8Hz乐队。现在需要分解级别3或5多少钱? ?抽样freuency总是500 Hz。

0评论
显示隐藏1以上的评论

登录置评。

石狮 2014年3月27日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/31413-computing-delta-power-of-eeg-signal answer_130681

谢谢Kosai,你的代码和解释对我很有帮助。Riheen提到我想补充的是,采样频率(Fs)是基于奈奎斯特频率谱定理的两倍。因此,如果采样频率为1000赫兹的频率谱是500 hz,我们需要7的分解得到δ乐队水平。您还可以参考下面的论文中,作者使用相同的方法。有图的离散小波包变换(方法),真正显示了分解水平。

http://www.hindawi.com/journals/mpe/2013/297587/

脑电图的采样频率为128赫兹。