Pracownia EEG/ERDS 2 - Historia wersji

Maciek: /* Zadanie 4 */

2024-04-25T14:11:43Z

Zadanie 4

2021-01-27T22:58:32Z

Ćwiczenia

2017-02-27T14:38:07Z

Zadanie 3

2015-10-16T07:00:32Z

2015-09-25T14:20:07Z

Estymacja i analiza względnych zmian gęstości energii sygnału EEG w przestrzeni czas-częstość

2015-09-25T14:19:31Z

Implementacja

2015-09-23T13:45:00Z

Zadanie 1

2015-09-23T13:44:00Z

Matching pursuit

2015-09-23T13:42:52Z

Matching pursuit

2015-09-23T13:42:04Z

Implementacja

@@ Linia 902: / Linia 902: @@
 ==== Zadanie 4 ====
 Pobrać plik z danymi:
-https://brain.fuw.edu.pl/~suffa/LabEEG/Characterize_ch4_F50_G4.mat
+https://www.fuw.edu.pl/~suffa/LabEEG/Characterize_ch4_F50_G4.mat
 Opis danych:

@@ Linia 891: / Linia 891: @@
 [[Plik:eeglab_gabory2.png|300px|left]][[Plik:eeglab_gabory2_dalej.png|300px]]<br>
 {{clear}}
 ==== Zadanie 4 ====

@@ Linia 891: / Linia 891: @@
 [[Plik:eeglab_gabory2.png|300px|left]][[Plik:eeglab_gabory2_dalej.png|300px]]<br>
 {{clear}}
 ==== Zadanie 4 ====

← poprzednia wersja		Wersja z 07:00, 16 paź 2015
Linia 1:		Linia 1:
		+	[[Pracownia EEG\|Pracownia EEG]] / Czas-częstość
		+
	=Estymacja i analiza względnych zmian gęstości energii sygnału EEG w przestrzeni czas-częstość=		=Estymacja i analiza względnych zmian gęstości energii sygnału EEG w przestrzeni czas-częstość=
−

@@ Linia 74: / Linia 74: @@
      return P,f,t
-def wvd(x,Fs,plot = True):
+def wvd(x, Fs, plot=True):
      samples = len(x)
-     N = samples/2
+     N = samples / 2
-     t = range(0,samples,1) #czas w samplach
+    z = np.zeros(samples)
-     tfr= np.zeros((samples/2,samples),dtype=complex)
+    xh = ss.hilbert(x)
-     for ti in t:
+    x_period_h = np.concatenate((z,xh,z));
-         for tau in range(np.min((ti,samples-ti))):
-            tfr[tau,ti] = (x[ti+tau] * x[ti-tau].conj())
+     t = range(0, samples, 1)  # czas w samplach
      tfr = np.zeros((samples , samples), dtype=complex)
-     Tfr = ss.fft(tfr,samples,axis=0)
+     for ti in t:
-     ts  = np.array(t,dtype=float)/(float(Fs))
+         for tau in range(-samples/2,samples/2):
-     f   = np.linspace(0,Fs/2,N)
+	    tfr[samples/2 + tau, ti] =  x_period_h[samples+ti +  tau] * x_period_h[samples+ti - tau].conj()
      if plot:
-         py.imshow(Tfr.real,interpolation= 'nearest',extent=[0,ts[-1],0,f[-1]],origin='lower',aspect='auto')
+         py.imshow( Tfr.real, interpolation='nearest', extent=[0, ts[-1], 0, f[-1]], origin='lower', aspect='auto')
          py.show()
-     return Tfr,ts,f
+     return Tfr, ts, f

@@ Linia 864: / Linia 864: @@
 ===Ćwiczenia===
 ==== Zadanie 1 ====
 * Ściągnąć pakiet plików Matlaba do analizy czas-częstość:
    https://brain.fuw.edu.pl/~suffa/LabEEG/TF.zip
 * Zapoznać się z opisem metod czas-częstość, wykonując polecenia opisane przy każdej z metod.
 * Zbadać własności metod czas-częstość, m.in.:

@@ Linia 838: / Linia 838: @@
 <!--
 [https://brain.fuw.edu.pl/~suffa/LabEEG/mp.tar.gz Moduł czas-częstość metodą MP]
--->
 Wersja udostępniona powyżej wykorzystuje procedurę napisaną w C przez dr Stephane Mallata i dr Zhifeng Zhanga (1993), nazwaną <tt>mpp</tt> (matching pursuit program), która została udostępniona wraz ze źródłową publikacją. W pakiecie dostępny jest kod źródłowy algorytmu MP napisany w C oraz procedury Matlaba do wywoływania algorytmu, rekonstrukcji sygnału i rysowania map energii w przestrzeni czas-częstość. Aby uruchomić program należy:
@@ Linia 859: / Linia 859: @@
 Po ponownym uruchomieniu EEGLABa, MP będzie dostępne w zakładce <i>tools</i>. Wynik działania skryptu zapisywany jest do struktury BOOK. Przed wykonaniem kolejnych obliczeń, należy zapisać wyniki poprzednich. W przeciwnym razie zostaną one nadpisane. Do programu dołączone zostały stosowne narzędzia wizualizujące wyniki.
 ===Ćwiczenia===

@@ Linia 761: / Linia 761: @@
 Przykładowa implementacja obliczania skalogramu dla falek Morleta przedstawiona jest poniżej. Korzysta ona z własności splotu.
-'''Wersja w Pythonie'''
 <source lang =python>
 def cwt(x, MinF,MaxF,Fs,w=7.0,df =1.0,plot = True):
@@ Linia 787: / Linia 787: @@
 </source>
 '''Wersja w Matlabie'''
 <source lang =matlab>
@@ Linia 830: / Linia 831: @@
      pcolor(linspace(0,T,size(P,2)),linspace(MinF,MaxF,size(P,1)),P); shading interp;
 end</source>
 ===Matching pursuit===