AS cwiczeniaTF: Różnice pomiędzy wersjami
(Nie pokazano 8 wersji utworzonych przez 3 użytkowników) | |||
Linia 1: | Linia 1: | ||
− | ==Metody czas-częstość== | + | [[Analiza_sygnałów_-_ćwiczenia]]/TF |
+ | |||
+ | |||
+ | |||
+ | ==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 | ||
+ | Notebook zajęć w formie py: https://drive.google.com/file/d/0B7k6Z_ViZid5OTJsbGJjSVdPQTA/view?usp=sharing | ||
+ | |||
+ | ===MP=== | ||
+ | |||
+ | Zapoznajmy się z dekompozycją algorytmem MP przy użyciu tego [https://drive.google.com/open?id=0BzwQ_Lscn8yDdUlLVXp1XzF0elE notebooka]. | ||
+ | Zajęcia w formie pliku .py https://drive.google.com/file/d/0B7k6Z_ViZid5UzZnUWNESjJWelE/view?usp=sharing | ||
+ | |||
+ | [[Dokumentacja konfiguracji MP w SVAROGU i w pliku konfiguracyjnym]] | ||
+ | |||
+ | ==Metody czas-częstość w SVAROGU== | ||
===Ćwiczenie 1=== | ===Ćwiczenie 1=== | ||
Linia 10: | Linia 26: | ||
Zapoznaj się z artykułem | 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). | *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 | + | *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. | *Następnie dla każdego fragmentu przeprowadź dekompozycję ''matching pursuit'' i uśrednij otrzymane mapy gęstości energii sygnału. Porównaj otrzymane wyniki. | ||
− | *Porównaj wyniki z mapą czas-częstość zaprezentowaną w orginalnym artykule [1]. | + | *Porównaj wyniki otrzymane dla różnyc estymat, oraz wyniki z MP z mapą czas-częstość zaprezentowaną w orginalnym artykule [1]. |
+ | |||
+ | |||
+ | [[Analiza_sygnałów_-_ćwiczenia]]/TF |
Aktualna wersja na dzień 14:35, 18 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 Notebook zajęć w formie py: https://drive.google.com/file/d/0B7k6Z_ViZid5OTJsbGJjSVdPQTA/view?usp=sharing
MP
Zapoznajmy się z dekompozycją algorytmem MP przy użyciu tego notebooka. Zajęcia w formie pliku .py https://drive.google.com/file/d/0B7k6Z_ViZid5UzZnUWNESjJWelE/view?usp=sharing
Dokumentacja konfiguracji MP w SVAROGU i w pliku konfiguracyjnym
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].