脑电时频分析-短时傅里叶变换

关注“心仪脑”查看更多脑科学知识的分享。

短时傅里叶变换（STFT）是脑电时频分析中一种基于滑动窗口法的简单常用的分析方法。它假设非平稳的信号可以被分成一系列短数据段的集合，每个数据段都可以看作是平稳的，频谱是固定的。在每一个数据段上进行常规的频谱估计方法，然后将所有数据段的频谱估计值堆叠在一起，形成在联合时频域上的一个频谱功率分布图。这些步骤包括：

1. 选择一个有限长度的窗口函数；
2. 从信号的起始点开始，将窗口放置在信号上；
3. 用窗口将信号分段加权，产生一系列数据段；
4. 计算加窗数据段的频谱；
5. 沿时间轴滑动窗口；
6. 回到第（3）步，直到窗口到达信号最末端。

在短时傅里叶变换中，如果选择大的分析窗口（即数据段较长），则频率分辨率较高，但时间分辨率低；如果选择小窗（即数据段较短），则时间分辨率较高，但频率分辨率较低。时间分辨率和频率分辨率不能同时精确估计。因此，我们无法准确知道某一具体频率分量的确切时间位置，只能大概知道某个时间区间和频率区间内存在信号成分。

时域窗口大小时域窗口大小	频域窗口大小	时间分辨率	频率分辨率	适合分析的信号成分
长	短	低	高	缓慢变化的低频分量
短	长	高	低	持续较短的高频成分

窗口大小对STFT分辨率的影响

参考资料

胡理,张治国等. 脑电信号处理与特征提取[M]. 北京:科学出版社,2020:97-100

全文完结，整理不易，看不完记得收藏，最后希望点赞支持一下！

了解更多，请关注“心仪脑”公众号！