目录
频谱分析
FFT频谱分析原理
下面就用python案例进行说明
案例1
案例2
短时傅里叶变换STFT
本分享为脑机学习者Rose整理发表于公众号:脑机接口社区(微信号:Brain_Computer).QQ交流群:941473018
EEG信号是大脑神经元电活动的直接反应,包含着丰富的信息,但EEG信号幅值小,其中又混杂有噪声干扰,如何从EEG信号中抽取我们所感兴趣的信号是一个极为重要的问题。自1932年Dietch首先提出用傅里叶变换方法来分析EEG信号,该领域相继引入了频域分析、时域分析等脑电分析的经典方法。
频谱分析
下面是一组用于描述和解释信号属性的常用量(matlab的常见形式,python中的常见形式也类似):
x: 采样的数据;
n=length(x): 样本数量;
fs: 采样频率(每单位时间或空间的样本数)(单位常用:赫兹Hz);
dt=1/fs :每样本的时间或空间增量(如果是时间上的增量,则又称:采样间隔或采样步长,单位常用:s);
t=(0:n-1)/fs : 数据的时间或空间范围;
y=fft(x) : 数据的离散傅里叶变换(DFT);
abs(y) :DFT的振幅;
(abs(y).^2)/n :DFT的幂;
fs/n : 频率增量;
f=(0:n-1) * (fs/n) : 频率范围;
fs/2 :Nyquist频率(频率范围的中点);
FFT频谱分析原理
频谱分析是一种将复噪声号分解为较简单信号的技术。真实世界中的信号可能由多种简单信号叠加而成。找出一个信号在不同频率下的信息(可能是幅度、功率、强度或相位等)的作法就是频谱分析。
采样定理:采样频率要大于信号频率的两倍。
N个采样点经过FFT变换后得到N个点的以复数形式记录的FFT结果。
假设采样频率为Fs,采样点数为N。那么FFT运算的结果就是N个复数(或N个点)