python傅里叶变换 信号处理 序列_信号处理之频谱原理与python实现

点击上面"脑机接口社区"关注我们

更多技术干货第一时间送达

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)；

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)，每一个复数就对应着一个频率值以及该频率信号的幅值和相位。

第一