Analiza sygnałów - wykład: Różnice pomiędzy wersjami
Z Brain-wiki
| (Nie pokazano 9 pośrednich wersji utworzonych przez tego samego użytkownika) | |||
| Linia 1: | Linia 1: | ||
| − | + | __NOTOC__ | |
| − | + | ===[[Wstep | Wstęp, czyli pierwszy wykład]]=== | |
| − | = | + | ===Klasyczna analiza sygnałów=== |
| − | + | #[[Systemy liniowe niezmiennicze w czasie (LTI)|Systemy liniowe niezmiennicze w czasie]] | |
| − | [[ | ||
| − | |||
| − | == | ||
| − | # | ||
#[[Szereg Fouriera|Szereg Fouriera]] i [[Przekształcenie Fouriera|Przekształcenie Fouriera]] | #[[Szereg Fouriera|Szereg Fouriera]] i [[Przekształcenie Fouriera|Przekształcenie Fouriera]] | ||
#[[Twierdzenia o splocie i o próbkowaniu (aliasing)|Twierdzenie o splocie]] | #[[Twierdzenia o splocie i o próbkowaniu (aliasing)|Twierdzenie o splocie]] | ||
##[[Estymacja widma na podstawie FT|Estymacja widma na podstawie Transformaty Fouriera]] | ##[[Estymacja widma na podstawie FT|Estymacja widma na podstawie Transformaty Fouriera]] | ||
| − | |||
#[[Model autoregresyjny (AR)|Model autoregresyjny]] | #[[Model autoregresyjny (AR)|Model autoregresyjny]] | ||
#[[Funkcja_systemu|Transformata Z i widmo procesu AR]] | #[[Funkcja_systemu|Transformata Z i widmo procesu AR]] | ||
#[[Filtry|Funkcja przejścia i filtry LTI]] | #[[Filtry|Funkcja przejścia i filtry LTI]] | ||
| − | <!-- #[[Twierdzenie o próbkowaniu|Twierdzenie o próbkowaniu | + | <!-- #[[Twierdzenie o próbkowaniu|Twierdzenie o próbkowaniu]]--> |
| − | |||
| − | ==Pomiędzy czasem a częstością== | + | ===Pomiędzy czasem a częstością=== |
# [[Spektrogram|Spektrogram — oknowana transformata Fouriera]], [[Falki (wavelets)|Falki]] | # [[Spektrogram|Spektrogram — oknowana transformata Fouriera]], [[Falki (wavelets)|Falki]] | ||
# [[Zasada nieoznaczoności|Zasada nieoznaczoności]], [[Transformata Wignera|Transformata Wignera]] | # [[Zasada nieoznaczoności|Zasada nieoznaczoności]], [[Transformata Wignera|Transformata Wignera]] | ||
| Linia 23: | Linia 17: | ||
# [[Reprezentacje przybliżone | Przybliżenia adaptacyjne i algorytm matching pursuit]] | # [[Reprezentacje przybliżone | Przybliżenia adaptacyjne i algorytm matching pursuit]] | ||
| − | ==Analiza sygnałów wielozmiennych== | + | ===Analiza sygnałów wielozmiennych=== |
# [[Analiza sygnałów wielowymiarowych | PCA, ICA, MVAR]] | # [[Analiza sygnałów wielowymiarowych | PCA, ICA, MVAR]] | ||
# [https://drive.google.com/file/d/13r8pa3BaDW8KPUGc9aIeXpgIj0Jeg4RH/ slajdy] | # [https://drive.google.com/file/d/13r8pa3BaDW8KPUGc9aIeXpgIj0Jeg4RH/ slajdy] | ||
| − | ==Analiza elektroencefalogramu (EEG)== | + | ===Analiza elektroencefalogramu (EEG)=== |
# [https://drive.google.com/file/d/1d2kDzjrd4fO7fHELN8u7oeK3CnleDR-B/ Wstęp (slajdy)] | # [https://drive.google.com/file/d/1d2kDzjrd4fO7fHELN8u7oeK3CnleDR-B/ Wstęp (slajdy)] | ||
# [https://drive.google.com/file/d/1dMDndbgU3edlN1W1r1Oe9AbBUZJ_zCQJ/ problem odwrotny P300 SSVEP MEG (slajdy)] | # [https://drive.google.com/file/d/1dMDndbgU3edlN1W1r1Oe9AbBUZJ_zCQJ/ problem odwrotny P300 SSVEP MEG (slajdy)] | ||
# [https://drive.google.com/file/d/1VUzbwuPmLfhzDxW2shb07FBvnLO4EkLt ERD/ERS (slajdy)] | # [https://drive.google.com/file/d/1VUzbwuPmLfhzDxW2shb07FBvnLO4EkLt ERD/ERS (slajdy)] | ||
# [https://braintech.pl/bci/ BCI] | # [https://braintech.pl/bci/ BCI] | ||
| + | |||
| + | |||
==Materiały '''dodatkowe'''== | ==Materiały '''dodatkowe'''== | ||
| Linia 55: | Linia 51: | ||
** [https://drive.google.com/drive/folders/0B47l6nponU4Qc09oQkpMRDRfOXM?resourcekey=0-j5V5oFB3gSC3jtRCeCnF7Q&usp=share_link inne ] | ** [https://drive.google.com/drive/folders/0B47l6nponU4Qc09oQkpMRDRfOXM?resourcekey=0-j5V5oFB3gSC3jtRCeCnF7Q&usp=share_link inne ] | ||
* [https://drive.google.com/drive/folders/1c545fMiLHmD-1BB7Qk_itbSa4eaqroAN?usp=sharing przykładowe sygnały do zabawy] | * [https://drive.google.com/drive/folders/1c545fMiLHmD-1BB7Qk_itbSa4eaqroAN?usp=sharing przykładowe sygnały do zabawy] | ||
| + | |||
---- | ---- | ||
::::'''<big>[[AS_zagadnienia_do_egzaminu|ZAGADNIENIA DO POWTÓRZENIA PRZED EGZAMINEM i organizacja egzaminu]]</big>''' | ::::'''<big>[[AS_zagadnienia_do_egzaminu|ZAGADNIENIA DO POWTÓRZENIA PRZED EGZAMINEM i organizacja egzaminu]]</big>''' | ||
Aktualna wersja na dzień 16:23, 28 lip 2024
Wstęp, czyli pierwszy wykład
Klasyczna analiza sygnałów
- Systemy liniowe niezmiennicze w czasie
- Szereg Fouriera i Przekształcenie Fouriera
- Twierdzenie o splocie
- Model autoregresyjny
- Transformata Z i widmo procesu AR
- Funkcja przejścia i filtry LTI
Pomiędzy czasem a częstością
- Spektrogram — oknowana transformata Fouriera, Falki
- Zasada nieoznaczoności, Transformata Wignera
- Reprezentacje czas-częstość
- Przybliżenia adaptacyjne i algorytm matching pursuit
Analiza sygnałów wielozmiennych
Analiza elektroencefalogramu (EEG)
Materiały dodatkowe
- Film o EEG i BCI ~5 min
- Slajdy z wykładów 2023/24
- Skrypt z równaniami w PDF
- Praktyczno-teoretyczne warsztaty z analizy sygnałów w przestrzeni czas-częstość (2020-09-07) Wykład online ~2h
- EEG analysis with examples in Svarog, wideo po angielsku ~40 min
- Elektroencefalografia — Wstęp ogólny do EEG
- Aliasing i Twierdzenie o próbkowaniu — animacja i dowód
- Książki:
- Artykuły naukowe — o niektórych wspominałem na ostatnich wykładach, co nie znaczy, że mają być dla Was zrozumiałe — na pewno nie obowiązują na egzamin :-)
- From wavelets to adaptive approximations: time-frequency parametrization of EEG
- Time-frequency microstructure of event-related EEG desynchronization (ERD) and synchronization (ERS)
- Open Database of Epileptic EEG with MRI and Postoperational Assessment of Foci—a Real World Verification for the EEG Inverse Solutions
- "Multivariate matching pursuit in optimal Gabor dictionaries: theory and software with interface for EEG/MEG via Svarog"
- "Spindles in Svarog: framework and software for parametrization of EEG transients".
- inne
- przykładowe sygnały do zabawy
Zapraszamy do korzystania z aktualnej wersji omawianego na wykładzie i ćwiczeniach narzędzia do eksperymentowania z metodami analizy sygnałów — programu SVAROG. Instrukcja pobrania i uruchamiania jest w materiałach do ćwiczeń, najnowszą wersję można pobrać z gitlab lub bezpośrednio ze strony svarog.pl.
Całość podręcznika jest udostępniona na licencji Creative Commons Uznanie autorstwa-Na tych samych zasadach 3.0 Polska. 
Autor: Piotr Durka. Podręcznik powstał częściowo w oparciu o skrypty udostępniane wcześniej na stronach http://www.fuw.edu.pl/~durka/ksiazki/as i książkę MP and unification in EEG analysis
