Pracownia EEG/SSVEP 1 - Historia wersji

Jarekz: /* Ćwiczenia eksperymentalne */

2022-02-28T13:21:10Z

Ćwiczenia eksperymentalne

2022-02-28T13:08:32Z

Ćwiczenia eksperymentalne

2022-02-28T13:06:59Z

Ćwiczenia eksperymentalne

2022-02-28T13:05:43Z

Ćwiczenia eksperymentalne

2021-04-13T17:10:04Z

Ćwiczenia eksperymentalne

2021-04-13T16:39:58Z

Ćwiczenia eksperymentalne

2019-11-21T13:49:15Z

Wstęp

2017-11-16T13:21:47Z

Wykonanie pomiarów

2017-11-16T12:23:50Z

Ćwiczenie I: Wykreślenie krzywej odpowiedzi dla badanej osoby.

2016-11-24T10:06:18Z

Wstęp

@@ Linia 88: / Linia 88: @@
 * Po podłączeniu przejściówki USB/RS232 do komputera mikrokontrolera sprawdź jaki plik w katalogu <tt>/dev</tt> został utworzony i przydzielony do urządzenia (typowo może to być <tt>ttyUSB0</tt>).
 * poproś osobę prowadzącą aby dodała cię do grupy plugdev
-  sudo usermod -a -G plugdev userName
+  sudo usermod -a -G dialout userName
 * Zaimportuj bibliotekę do komunikacji z mikrokontrolerem (kod poniżej, trzeba go zapisać w bieżącym katalogu):
 : <tt>import SerialPort as SP</tt>

@@ Linia 120: / Linia 120: @@
      return a.to_bytes(2,byteorder=sys.byteorder)
-class SerialPortMy(object):
+class SerialPort(object):
      def __init__(self, port_name):
          import serial

@@ Linia 86: / Linia 86: @@
 Do rejestracji zjawiska SSVEP wykorzystamy ten sam zestaw eksperymentalny co w przypadku badania Potencjałów Wywołanych. Poniżej przypominamy schemat komunikacji w języku Python pomiędzy komputerem a mikrokontrolerem sterującym wyświetlaniem bodźców. Czcionką pogrubioną wyszczególniono fragment kodu, który jest niezbędny do wytworzenia szybko powtarzających się bodźców świetlnych.
-* Po podłączeniu przejściówki USB/RS232 do komputera mikrokontrolera sprawdź jaki plik w katalogu <tt>/dev</tt> został utworzony i przydzielony do urządzenia.
+* Po podłączeniu przejściówki USB/RS232 do komputera mikrokontrolera sprawdź jaki plik w katalogu <tt>/dev</tt> został utworzony i przydzielony do urządzenia (typowo może to być <tt>ttyUSB0</tt>).
 * poproś osobę prowadzącą aby dodała cię do grupy plugdev
   sudo usermod -a -G plugdev userName

@@ Linia 89: / Linia 89: @@
 * poproś osobę prowadzącą aby dodała cię do grupy plugdev
   sudo usermod -a -G plugdev userName
-* Zaimportuj bibliotekę do komunikacji z mikrokontrolerem:
+* Zaimportuj bibliotekę do komunikacji z mikrokontrolerem (kod poniżej, trzeba go zapisać w bieżącym katalogu):
 : <tt>import SerialPort as SP</tt>
@@ Linia 170: / Linia 170: @@
                  # p1:p2 = on_time:off_time in one blink
              else:
-                 period = clock/d[i]
+                 period = int(clock/d[i])
                  bright = int((clock/d[i]) * factor)
                  dark = period - bright

@@ Linia 82: / Linia 82: @@
 =Ćwiczenia eksperymentalne=
 Do rejestracji zjawiska SSVEP wykorzystamy ten sam zestaw eksperymentalny co w przypadku badania Potencjałów Wywołanych. Poniżej przypominamy schemat komunikacji w języku Python pomiędzy komputerem a mikrokontrolerem sterującym wyświetlaniem bodźców. Czcionką pogrubioną wyszczególniono fragment kodu, który jest niezbędny do wytworzenia szybko powtarzających się bodźców świetlnych.
 * Po podłączeniu przejściówki USB/RS232 do komputera mikrokontrolera sprawdź jaki plik w katalogu <tt>/dev</tt> został utworzony i przydzielony do urządzenia.
 * Zaimportuj bibliotekę do komunikacji z mikrokontrolerem:
 : <tt>import SerialPort as SP</tt>

@@ Linia 103: / Linia 103: @@
 Kod biblioteki do komunikacji z mikrokontrolerem:<br>
 <source lang="python">
 # -*- coding: cp1250 -*-
 import serial
@@ Linia 182: / Linia 266: @@
          self.send(str)

@@ Linia 333: / Linia 333: @@
 Porównując powyższy wzór ze wzorem na funkcję harmoniczną:
-<math>x(t) = A \sin(\omega t + \varphi_0)</math>
+<math>x(t) = A \sin(\omega_0 t + \varphi_0)</math>
 widzimy, że sygnały nieharmoniczne charakteryzują się zmienną w czasie amplitudą i częstością oraz nie mają określonej fazy początkowej. Ten ostatni parametr jednak również może być wyznaczony, pod warunkiem iż określimy go względem pewnej stałej w czasie częstości &omega;<sub>0</sub>(''t''):

@@ Linia 197: / Linia 197: @@
 ===Wykonanie pomiarów===
-# Nałóż czepek na głowę badanej osoby i umieść w nim następujące elektrody: Fp1, Fp2, Fpz, Cz, P3, Pz, P4, O1, O2 oraz jeśli twój czepek to umożliwia również elektrody P7 i P8. Jako elektrody referencyjne załóż elektrody A1, A2 lub M1 i M2.
+# Nałóż czepek na głowę badanej osoby i umieść w nim następujące elektrody: Fp1, Fp2, Fpz, Cz, P3, Pz, P4, O1, O2 oraz jeśli twój czepek to umożliwia również elektrody P7 i P8. Jako elektrody referencyjne załóż elektrody A1, A2 lub M1 i M2. Częstość próbkowania: 1024 Hz.
 # Wykonaj eksperyment zgodnie ze schematem podanym w poprzednim paragrafie.

@@ Linia 194: / Linia 194: @@
 # Powtórz punkty 1-2, tak aby uzyskać 15 realizacji migania z każdą z częstości.
-Całkowita ilość realizacji jednej częstość powinna wynosić minimum 30.  Zrealizowanie takiej rejestracji w jednej sesji zajęłoby około 50 minut. Jest to uciążliwe dla osoby badanej, dlatego dzielimy eksperyment na dwie sesje po 20 minut &mdash; powtarzamy punkt 3 dwukrotnie.
+Zarejestrowana liczba realizacji jednej częstości powinna wynosić minimum 30.  Zrealizowanie tego w jednej sesji zajęłoby około 50 minut. Jest to uciążliwe dla osoby badanej, dlatego dzielimy eksperyment na dwie sesje po 20 minut &mdash; powtarzamy punkt 3 dwukrotnie.
 ===Wykonanie pomiarów===

@@ Linia 288: / Linia 288: @@
 ''x''<sub>H</sub>(''t'') &mdash; transformata Hilberta sygnału ''x''(''t'').<br>
-Transformatę Hilberta <math>x_H(t)</math> sygnału <math>x(t)</math> i transformatę do niej odwrotną definiujemy jak poniżej:
+Transformatę Hilberta ''x''<sub>H</sub>(''t'') sygnału ''x''(''t'') i transformatę do niej odwrotną definiujemy jak poniżej:<br>
 <math>
 x_H(t) = \frac{1}{\pi}\int_{-\infty}^{\infty} \frac{x(\tau)}{t - \tau}d\tau
@@ Linia 301: / Linia 301: @@
   Widmo sygnału analitycznego odpowiadającego sygnałowi rzeczywistemu jest zerowe
   dla ujemnych częstości, zaś dla dodatnich częstości ma podwojoną amplitudę:
-  <math>x_a = F^{-1}\left(F(x)\cdot 2U\right)</math>
+  ''x''<sub>''a''</sub> = ''F''<sup>&minus;1</sup>(''F''(''x'')&middot;2''U'')
   gdzie ''F'' &mdash; transformacja Fouriera, a ''U'' funkcja schodkowa.
   Metoda ta zaimplementowana jest w funkcji <tt>scipy.signal.hilbert</tt>