专栏首页脑机接口功率谱估计-直接法原理与案例

功率谱估计-直接法原理与案例

功率谱估计


功率谱估计是频域分析的主要手段。它的意义在于把幅度随时间变化的脑电波变换为脑电功率随频率变化的谱图,从而可直观地观察到脑电节律的分布与变换情况。

经典功率谱估计采用的是传统傅里叶变换分析方法(又称线性谱估计),主要包括直接法(又称周期图法)和间接法(又称自相关法)两种。

周期图法直接对观测数据进行快速傅里叶变换,得到功率谱。

自相关法先估计自相关函数,再计算功率谱。

由于周期图法直接使用FFT快速计算,所以应用比较广泛。

经典谱估计优点是计算效率高,缺点是频率分辨率低,常用于频率分辨率要求不高的场合。

本篇文章主要介绍直接法(周期图法)的原理以及实现

直接法又称周期图法,这种功率谱也具有周期性,常称为周期图。

周期图是信号功率谱的一个有偏估值,而且当信号序列的长度增大到无穷时,估值的方差不趋于零。

[说明:随着所取的信号序列长度的不同,所得到的周期图也不同,这种现象称为随机起伏。由于随机起伏大,使用周期图不能得到比较稳定的估值]

直接法原理


把随机序列的个观测数据看做能量有限的序列,直接计算的离散傅里叶变换,得,然后再取其幅值的平方,除以,作为序列真实功率谱的估计。

其定义如下: 长度为的实平稳随机信号序列的周期图为:

上式子中,,由于的DFT有周期性,所以也有周期性,是有偏估计。

第一步:计算个数据的傅里叶变换(即频谱):

第二步:取频谱和其共轭的乘积,得到功率谱:

案例说明

clear;
%采样频率
Fs=1000;
n=0:1/Fs:1;
%生成含有噪声的信号序列
xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));

%设置矩形窗
window=boxcar(length(xn));

nfft=1024;
%直接法
[Pxx,f]=periodogram(xn,window,nfft,Fs);
plot(f,10*log10(Pxx));
xlabel('频率/Hz');
ylabel('功率/dB')

本文分享自微信公众号 - 脑机接口社区(Brain_Computer),作者:Rose

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-01-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • ERPLAB中文教程:创建与查看EventList

    在介绍内容之前,先介绍ERPLAB中的几个关键概念。EEGLAB将一组脑电图数据存储在数据集中。数据集通常存储来自单个受试者的数据,可以是单个试验块,要么是整个...

    脑机接口社区
  • 信号处理之功率谱原理与python实现

    功率谱是功率谱密度函数的简称,它定义为单位频带内的信号功率。它表示了信号功率随着频率的变化情况,即信号功率在频域的分布状况。

    脑机接口社区
  • 脑电数据收集,处理和分析的基础

    在进行EEG数据分析时,需要进行各种预处理来筛选、清洗得到较好的EEG数据,所有这些预处理步骤都需要就数据的预期影响做出明智的决定。

    脑机接口社区
  • 配置git多仓库ssh-key切换

    ::: warning 注意 git根据配置文件的user.email来获取git帐号显示author信息 对于多帐号用户一定要将user.email改为相...

    薛定喵君
  • Python读写yaml文件

    在我们做自动化测试中,可用作配置文件,配置一些服务器域名、mysql配置、登录信息、toekn等很方便快速读取

    橙子探索测试
  • 【DL笔记7】他山之玉——窥探CNN经典模型

    从【DL笔记1】到【DL笔记N】,是我学习深度学习一路上的点点滴滴的记录,是从Coursera网课、各大博客、论文的学习以及自己的实践中总结而来。从基本的概念、...

    beyondGuo
  • iis配置路由遇到的坑小记

    不能免俗的是下载安装 ARR(Application Request Routing),下载地址为: http://www.iis.net/downloads/...

    开发架构二三事
  • Python读写yaml文件

    用python读取yaml文件案例,先用open方法读取文件数据,再通过load方法转成字典,这个load跟json里面的load是相似的,yaml文件内容:

    Criss@陈磊
  • 来,干了这杯《火星救援》的创业鸡汤!

    镁客网
  • 基于word2vec训练词向量(一)

    1.回顾DNN训练词向量 上次说到了通过DNN模型训练词获得词向量,这次来讲解下如何用word2vec训练词获取词向量。 回顾下之前所说的DNN训练词向量的模...

    磐创AI

扫码关注云+社区

领取腾讯云代金券