前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >eeglab中文教程系列(15)-Time/Frequency decomposition

eeglab中文教程系列(15)-Time/Frequency decomposition

原创
作者头像
脑机接口社区
修改2019-11-05 10:37:02
2.6K0
修改2019-11-05 10:37:02
举报
文章被收录于专栏:脑机接口脑机接口

1.Decomposing channel data

为了检测ERSP(event-related spectral perturbation)和ITC(inter-trial coherence) , 这里进行如下操作:Plot > Time frequency transforms > Channel time-frequency:

图1
图1

操作后,会弹出如下对话框,在该对话框中Channel number填写1,在Bootstrap significance level 填写 0.01,其他默认选择。

图2
图2

点击OK,得到如下结果:

图3
图3

得到的结果分为两个子图,上方是ERSP子图,下方是ITC子图。

ERSP子图:该子图左方的panel是基线的平均功率谱,而各个时间点的ERSP包络线。而top image是相对基线,每个时间点、每个频率的频谱功率改变(event-related changes in spectral power (from pre-stimulus baseline) at each time during the epoch and at each frequency (< 50 Hz))。

ITC子图:A significant ITC indicates that the EEG activity at a given time and frequency in single trials becomes phase-locked (not phase-random with respect to the time-locking experimental event).

2.Computing component time/frequency transforms

由于各个独立成分更可能直接反应大脑的EEG source,因此这里将对独立成分进行时频分解。

具体操作:Plot > Time/frequency transforms > Component time-frequency:

图4
图4

操作后,会出现下面界面,在下面界面中Component number填入10,

Sub epoch time limits填入 -500 1000,选择Use FFT,Bootstrap

significance level选择0.01。点击Ok

图5
图5

点击OK后出现下面的结果:

图6
图6

说明:这步操作选择FFT,是因为相对wavelets而言,选择FFT可以计算更低的频率。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1.Decomposing channel data
  • 2.Computing component time/frequency transforms
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档