本文介绍了脑电时频分析的重要性，探讨了傅里叶变换、短时傅里叶变换（STFT）的局限性，并详细阐述了小波变换的原理，尤其是Morlet小波变换的实现过程。傅里叶变换适用于平稳信号，但无法反映时间变化；STFT解决了部分问题，但窗口固定；小波变换则提供了自适应的时间-频率分辨率，适合非稳态信号分析。
前言：为什么需要做时频分析
- 脑电信号为非平稳信号，不能直接使用傅里叶变换进行操作
- 时频分析将连续数据划分为一个个小片再做傅里叶变换
- 谱分析不能反映各个频段能量随时间的变化
1、时频分析的原理——卷积（Convolution）
上次提到的谱分析的原理是将需要处理的信号跟kernel函数进行点积处理，这样就能得到谱分析的结果，但是时频分析的是卷积
其实和点积有相同的原理，只不过时频分析需要得到随时间变化的信息，所以需要这个kernel函数随着时间，不断的往前推进， 都做一个点积，这个流程就是一个卷积，但是因为是随着时间往前推进，在两端的地方难免存在一些信息的泄露，因此我们需要进行一些信息补充，称之为padding，用0补充，不影响原始结果，信息也不会泄露太多。
2、短时傅里叶变换（STFT）
短时傅里叶变换又称为窗口傅里叶变换，是傅里叶变换简单的一个扩展，主要就是解决在谱分析中傅里叶的两个局限性，用于处理非平稳信号和随时间变换的power值的变化
短时傅里叶变换的原理是认为我们框选的一小部分信号（图中黄色
最低0.47元/天 解锁文章
扫一扫
78
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
