6、ERP时频分析

目录

1、基于STFT的时频分析

2、画时频图、地形图

3、比较分析

4、关于多重比较校正

---

时频分析

1、基于STFT的时频分析

传统上，我们常用傅里叶变换来观察一个讯号的频谱。然而，这样的方法不适合用来分析一个频率会随着时间而改变的信号。

比如说任务态的脑电数据ERP，诱发电位它是随着时间会发生变化的，所以不适合单纯使用频域分析（可以进行时域分析）。

时频分析方法提供了时间域与频率域的联合分布信息，清楚地描述了信号频率随时间变化的关系。

短时傅里叶变换的基本原理就是将分段数据加窗(window)，做快速傅里叶变换(fft)，在分段就会有重叠(noverlap)，因此一个向量的短时傅里叶变换结果是一个矩阵(S)。它对高频数据不太友好。

短时傅里叶变换的窗口一般是400-500ms，因为如果窗口太大，对非常快的变化不敏感。

2、画时频图、地形图

stft得到时频数据之后，可以画出时频图，分析能量在刺激呈现之前和之后之后是否有变化

怎么确定地形图的时间和频段范围？通过时频图可以知道哪个地方有明显的红色和蓝色，可以根据时频图定义感兴趣的时间和频段。对时间、频率做平均，画出这段时频范围内的地形图。

3、比较分析

ps：

时频分析中既可能包含锁时锁相（诱发）的信息，也可能包含锁时非锁相（引发）的信息，要计算ITPC才 能判断是哪种信息。

锁时非锁相（引发）的信息在时域上没法分析，只能做时频分析，

但是锁时锁相（诱发）的信息是时域分析和时频分析都可以做。

4、关于多重比较校正

什么是多重比较，什么是FDR校正呢？

• 多重比较是统计学中的术语。当我们进行多次统计检验后，假阳性的次数就会增多，所以要对假阳性进行校正。
  • 先解释一些概念：以任务态数据为例，先看一个体素。
  • 原假设（H0）：该体素没有激活。
    • 从原假设基础上进行统计推断，得到P=0.02 < 0.05。所以我们拒绝原假设，然后推断出该体素激活。请注意：我们推断的这个结果有可能是错的，也就是说有可能错误地拒绝了原假设。
  • 这种犯错误的概率称之为假阳性率。
    • 这个例子里面假阳性率=2%，也就是说该体素激活的这种推断有2%的概率是错的。我们一般显著性水平设置为P=0.05。那么在1000次假设检验中，假阳性的结果就有1000*0.05=50次。
  • 我们希望的是假阳性是越少越好，所以要对假阳性进行校正。这个过程就称之为多重比较校正。

常用方法：

• 控制总体I型错误，最常用的方法Bonferroni法，其基本原理为：若进行了n次检验，检验水准α应校正为α/n，或将P值乘以n后再与α比较。比如，某试验具有三个终点，则采用Bonferroni法进行多重性校正后的检验水准α’= 0.05/3 = 0.0167。

fwe控制至少犯一次错的概率

Fdr 错误发现的概率