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。

脑电时频分析-短时傅里叶变换_第1张图片

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
缓慢变化的低频分量
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!

 

你可能感兴趣的:(脑电技术,脑科学,心理学,大脑,脑电时频分析,短时傅里叶变换)