AS cwiczeniaTF: Różnice pomiędzy wersjami

Z Brain-wiki
m
 
(Nie pokazano 5 wersji utworzonych przez 2 użytkowników)
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
 +
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===

Aktualna wersja na dzień 14:35, 18 sty 2017

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 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].


Analiza_sygnałów_-_ćwiczenia/TF