matlab小波相干性分析

小波相干性（Wavelet Coherence Analysis，WCA）是一种用于分析两个时间序列在不同时间和频率尺度上相互关系。它通过小波变换将时间序列转换到小波域，然后计算两个信号在小波域中的相干度，一次来揭示它们之间的频域联系和时域相关性。小波相干性分析能够提供比传统相关性分析更多的信息，尤其在分析非平稳信号和多尺度数据时。

使用的matlab自带的wcoherence函数：
关于此函数，matlab文档中有很多相关的介绍，也有一些示例，可根据自己需求进行选择；

matlab中函数的介绍：

%% 小波相干性计算
clc;clear;close all;
a = load('EEG01.mat'); % 加载数据，预处理后的数据
data = a.EEG.data;    % 31x250x299,通道 x 采样点 x trial
data01 = reshape(data,31,[]); % 重构数据为31通道×采样点数

x = data01(3,:);  % 取第3通道的所有数据
y = data01(25,:); % 取第25通道的所有数据
fs = 250;  % 数据采样率
t = (0:(length(y)-1))/fs; % 时间

% 画小波相干性图
figure;
wcoherence(x, y, fs);

对于此图的解读，大家可以看matlab文档中的说明，感觉我说不太清楚

介绍相关的指标和使用

[WCOH, ~,F,coi] = wcoherence(x, y, fs);
% WCOH二维矩阵，行对应频率，列对应时间
% F：一个向量，表示与WCOH行对应的频率
% coi：小波相干性分析中的‘影响锥’的输出，它指示了相干性数据中边缘效应的位置

% 计算小波相干性均值
WCOH_meanF = mean(WCOH);  %所有频率在时间上的均值
WCOH_meanT = mean(WCOH,2);  %所有时间在频率上的均值

% 绘制小波相干性时间上均值
figure;
plot(t,WCOH_meanF);
xlabel('Time (s)');
ylabel('Mean Wavelet Coherence');
title('WCOH-mean-F');

% 画柱状图
WCOH_meanT= mean(WCOH,2); % 所有频率在时间上的均值
figure;
F1 = round(F',3); % 取三位小数
bar(WCOH_meanT);
set(gca,'XTick',1:160,'XTickLabel',F1); % 设置x轴标签，将F的频率数据画在x轴上
xlabel('频率Hz');
ylabel('Mean Wavelet Coherence');
title('WCOH-mean-T');

截取了其中一部分，是使用的计算出的F，也即是所有的频率进行的画图，当然，也可以选择自己所需要的频率画出；

这两个的区别就是，第一个是将所有频率进行叠加平均的，第二个是将所有时间进行叠加平均；

或者，也可以选择自己需要的频率，比如选择theta、alpha、beta：

theta = [find(F>=4 & F<8)]; %找4-8Hz的theta频率
alpha = [find(F>=8 & F<13)]; % 找8-13Hz的alpha频率
beta = [find(F>=13 & F<30)]; %找13-30Hz的beta频率

theta_t = mean(WCOH(theta,:));  % theta频率的相关性
alpha_t = mean(WCOH(alpha,:)); % alpha频率的相关性
beta_t = mean(WCOH(beta,:)); % beta频率的相关性

theta_m = mean(theta_t);  % 所有的均值
alpha_m = mean(alpha_t);
beta_m = mean(beta_t);
Tatol_m = mean(meanWCOH_sum);

补充：此处介绍的wcoherence函数使用只是一个简单的计算，它可以计算出很多指标，可以根据自己的需求进行选择；