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
![68cdd943712a674b84c2207284c59b0b.png](https://img-blog.csdnimg.cn/img_convert/68cdd943712a674b84c2207284c59b0b.png)
由于脑电信号的不稳定性和不规则性,因此对脑电信号的处理也比较复杂,难以直接从中分析出内在联系。通常情况下会对信号做一定的预处理,通过这种粗糙的处理,可以得到具有一定规律的信号,便于后续的研究。
去趋势化简介下面介绍一种方法,去趋势化(Detrended Fluctuation Analysis),简称为DFA方法。这种方法在各个领域都有所适用,是对非稳态信号处理的一种常用方法,多用于气象信号,场信号等长程相关性的分析,用来确定非稳态信号中长程的幂函数相关性,能够定量的分析信号序列的关联性质,通过计算相关性指数,确定信号的不同属性。
对于这种方法可以简单理解为,信号本身具有内在的某种联系,而由于采集到的信号存在外部的噪声使得信号内部的联系函数之上叠加了多项式趋势信号,使得信号内部联系无法明确找到,DFA方法通过滤去序列中的各阶趋势成分,有效避免由于噪声和信号的不稳定而表现出来的伪关联的干扰。
长程相关性DFA方法处理信号是一种长程相关性的分析方法,那么什么是长程相关性?
对长程相关性可以理解为在一组监测到的信号内部处处存在关联,彼此都有相互的影响,同时从整体和局部的角度来看,信号每处局部的趋势和整体的趋势存在一定的相似性,称为自相似性(个人理解可能与统计学中幂函数分布所具有的记忆性类似)。
那么如何判断一组信号是否满足长程相关性呢?
长程相关分析主要的方法便是DFA方法和重标极差分析方法(R/S分析)&#x