AS cwiczeniaTF: Różnice pomiędzy wersjami
m |
|||
Linia 3: | Linia 3: | ||
− | ==Metody czas-częstość== | + | ==Wprowadzenie do metod czas-częstość == |
+ | ===Spektrogram i sklogram === | ||
+ | W celu zapoznania się z tymi metodami przeczytaj uważnie i wykonaj ćwiczenia w notebooku: https://drive.google.com/open?id=0BzwQ_Lscn8yDMnRSZWpoSnZqZ2c | ||
+ | ===MP=== | ||
+ | |||
+ | |||
+ | ==Metody czas-częstość w SVAROGU== | ||
===Ćwiczenie 1=== | ===Ćwiczenie 1=== |
Wersja z 13:44, 5 sty 2017
Analiza_sygnałów_-_ćwiczenia/TF
Spis treści
Wprowadzenie do metod czas-częstość
Spektrogram i sklogram
W celu zapoznania się z tymi metodami przeczytaj uważnie i wykonaj ćwiczenia w notebooku: https://drive.google.com/open?id=0BzwQ_Lscn8yDMnRSZWpoSnZqZ2c
MP
Metody czas-częstość w SVAROGU
Ćwiczenie 1
- Wygeneruj sygnał o długości 1 sek. będący sumą sinusa, delty Diraca i trzech funkcji Gabora o parami jednakowych położeniach w czasie i częstościach. Przyjmij częstość próbkowania 512 Hz.
- Do wygenerowanego sygnału dodaj szum o energii dwukrotnie większej niż sam sygnał.
- W programie Svarog utwórz mapę gęstości energii sygnału w przestrzeni czas-częstość przy pomocy spektrogramu, transformacji falkowej oraz algorytmu matching pursuit.
Ćwiczenie 2
Zapoznaj się z artykułem
[1] https://www.dropbox.com/s/rjfympzrkb1vwx7/T-f.microstructure.of.ERDS.pdf
Wczytaj do Svaroga sygnał używany w tym artykule do demonstracji własności metod czas-częstość
https://www.dropbox.com/s/igfh3vmm44mc15d/simchirp.raw
i spróbuj odtworzyć Fig. 2 z tego artykułu.
Dla ambitnych: napisz w Pythonie skrypt generujący taki sam sygnał, lub przynajmniej część z jego składowych, i porównaj mapy gęstości energii w przestrzeni czas-częstość.
Następnie przy pomocy programu Svarog wczytaj sygnał
https://www.dropbox.com/s/ymdq50padi5rlmq/finger.bin?dl=0
korzystając z opisu
https://www.dropbox.com/s/t2jpcewyppwues1/finger.xml
oraz pliku z oznaczeniami (tag)
https://www.dropbox.com/s/tcpqusu9isxi47n/finger.tag
W ostatnim pliku (.tag) oznaczone są momenty ruchu palcem, sygnał składa się z 10-sekundowych odcinków EEG wybranych po 5 s przed i 5 s po ruchu. W pliku .xml znajdują się metadane rejestracji, takie jak częstość próbkowania, nazwy kanałów itp.
- Wyznacz średni potencjał wywołany: Tools -> Average evoked potentials (w zakresie [-5 5], gdzie 0 oznacza moment wykonania ruchu) i wyeksportuj wynik do pliku (Save segments to file).
- Przeprowadź dekompozycję uśrednionego potencjału przy pomocy dostępnych w programie Svarog estymat gęstości energii w przestrzeni czas-częstość: STFT, WT i MP, i zapisz mapy czas-częstość.
- Wykonaj uśrednienie estymat gęstości energii w przestrzeni czas-częstość otrzymanych za pomocą analizy falkowej i spektrogramu (zwróć ueagę na dobór paramterów -- długości okna i falki)
- Następnie dla każdego fragmentu przeprowadź dekompozycję matching pursuit i uśrednij otrzymane mapy gęstości energii sygnału. Porównaj otrzymane wyniki.
- Porównaj wyniki otrzymane dla różnyc estymat, oraz wyniki z MP z mapą czas-częstość zaprezentowaną w orginalnym artykule [1].