728x90 반응형 SMALL Brain Engineering117 Signal Processing : Temporal / Spectral Space (1) Temporal / Spectral Space 필터링을 이해하려면 신호를 주파수 구성 요소로 보는 것이 좋다. Fourier Series 푸리에 급수는 일련의 조화롭게 연결된 (모든 주파수는 가장 낮은 주파수의 배수) 정현파로, 일단 가중되고 합산되면 기본 주기 (신호에 존재하는 가장 낮은 주파수) 동안 임의의 신호와 동일하다. 또는 신호가 결정된 길이인 경우 해당 신호의 길이보다 1배 더 많다. 이를 설명하기 위해 듀티 사이클이 50%인 440Hz에서 구형파 신호를 분해하면, 신호의 정확히 절반이 양수이고 절반이 음수인 경우 초당 +1에서 -1까지 440번 진동하는 주기적 신호이다. ## load libraries import matplotlib.pyplot as plt import matplotlib.. 2022. 4. 5. Signal Processing : Complex Numbers Complex Numbers 공학에서 시간 불변 진폭 (A), 각주파수 (ω) 및 초기 위상 (φ)을 갖는 사인파 신호는 페이저 (phasor)라고 하는 복소수로 나타낼 수 있다는 것이다. (위상 벡터의 약자) 진폭 (A) : 신호 중간 값에서 최대값까지의 거리 각주파수 (w) : 주파수로 변환하지만 신호가 주기를 얼마나 빨리 통과하는지 나타낸다. 주파수에서 계산하는 것은 간단하다. 주파수 (f) : 신호가 중간 값을 중심으로 진동하는 빈도 위상 : 신호 주기의 임의 지점과 관련된 지연, 일반적으로 다른 신호의 시작 지점 오일러의 공식을 사용한다. 페이저는 시간 변화에 대한 참조 없이 작성되지만 다른 신호에 대해서만 작성되므로 일반적으로 다음과 같이 작성된다. The Imaginary Number Rep.. 2022. 4. 4. [MNE-Python] fNIRS 장치에서 데이터 가져오기 (2) Loading legacy data in CSV or TSV format fNIRS 측정값은 MNE-Python에서 지원하지 않고 SNIRF로 쉽게 변환할 수 없는 비표준 형식으로 저장될 수 있다. 이 레거시 데이터는 CSV 또는 TSV 형식인 경우가 많으며 파일 형식 (채널의 이름 지정 및 순서, 형식 및 데이터 스케일링, 센서 위치 사양은 벤더마다 다름) CSV가 시작된 시스템에 따라 이를 조정해야 할 수 있다. import os.path as op import numpy as np import pandas as pd import mne pd.DataFrame(np.random.normal(size=(16, 100))).to_csv("fnirs.csv") MNE-Python에 로드될 예제 CSV 파일.. 2022. 4. 4. [MNE-Python] fNIRS 장치에서 데이터 가져오기 (1) fNIRS 장치에서 데이터 가져오기 fNIRS 장치는 광원 (일명 "발광기" 또는 "송신기")과 광 검출기 (일명 "수신기")의 두 가지 종류의 광으로 구성된다. 채널은 소스-검출기 쌍으로 정의되고 채널 위치는 소스와 검출기 사이의 중간점으로 정의된다. MNE-Python은 여러 파일 형식에서 fNIRS 데이터 및 optode 위치를 읽는 기능을 제공한다. 장치 제조업체 또는 파일 형식에 관계없이 MNE-Python의 fNIRS 기능은 동일한 방식으로 측정 데이터와 해당 메타데이터를 내부적으로 저장한다(ex. 데이터 값은 항상 SI 단위로 변환됨). 지원되는 측정 유형에는 진폭, 광학 밀도, 옥시헤모글로빈 농도, 디옥시헤모글로빈 농도 (연속파 fNIRS의 경우), 추가로 AC 진폭 및 위상 (주파수 도메.. 2022. 4. 4. Baseline Correction Baseline Correction EEG는 시간 분해 신호이므로 실험 목적과 관련이 없는 일시적인 드리프트가 있는 경우가 많다. 다양한 내부 및 외부 소스로 인해 시간이 지남에 따라 그리고 전극 간에도 변화하는 일시적인 드리프트가 발생할 수 있다. 이러한 드리프트의 영향을 줄이기 위해 소위 베이스라인 보정을 수행하는 것이 일반적이다. 기본적으로 이것은 기준 기간 동안 (외부 이벤트가 발생하기 전) EEG 활동을 사용하여 자극 후 간격 (외부 이벤트가 발생한 후 시간)에 걸쳐 활동을 수정하는 것으로 구성됩니다. 기준선 보정을 위한 다양한 접근 방식이 있다. 전통적인 방법은 기준선과 자극 후 간격의 모든 시점에서 기준선 기간의 평균을 빼는 것이다. https://neuro.inf.unibe.ch/Algor.. 2022. 4. 4. Epoching Epoching EEG epoching은 연속적인 EEG 신호에서 특정 시간 창을 추출하는 절차이다. 이러한 시간 창을 "에포크"라고 하며 일반적으로 시각적 자극과 같은 이벤트와 관련하여 시간이 고정되어 있다. EEG 데이터가 시간이 완전한 연속 EEG 신호인 행렬 [채널 x 시간]에 있는 경우 에포칭 절차 후에 시간이 각 에포크의 시간 길이이고 에포크인 행렬 [채널 x 시간 x 에포크]가 있어야 한다. 연속 EEG 신호에서 추출한 세그먼트의 수이다. 마지막으로, 신호에서 에포크를 추출하려면 분석할 관심 세그먼트 (ex. 특정 자극)가 무엇인지 알아야 한다. 특히 EEG 신호와 관련된 epoch가 특정 지침에 따라 수면 단계 분류에 사용되는 30초 간격인 수면 epoch를 나타낼 수 있음을 명확히 하는 .. 2022. 4. 4. Filter 사용 Antialiasing 유비쿼터스에는 측정 장치 내에서 아날로그에서 디지털로의 변환에 앞서 하드웨어 "앤티 앨리어싱" 필터가 있다. 오늘날 데이터 처리는 디지털 영역에서 거의 예외 없이 이루어지며, 이를 위해서는 신호를 디지털 표현으로 변환하기 위해 개별 시점에서 샘플링해야 한다. 샘플링 지점의 값만 샘플링 프로세스에 의해 유지되므로 디지털 표현이 모호하다. 동일한 숫자 집합이 다른 원시 신호를 반영할 수도 있다. 원시 신호가 특정 조건을 준수하면 모호성이 사라진다. 그 중 가장 잘 알려진 것은 샘플링 정리이다. 원래 신호의 스펙트럼에 나이퀴스트 주파수 (샘플링 속도의 절반) 이상의 전력이 포함되어 있지 않으면 다음으로부터 완벽하게 재구성될 수 있다. 샘플. 앤티앨리어싱 필터는 나이퀴스트 조건을 적용하는.. 2022. 4. 4. Filter (2) Filter 필터는 "신호의 스펙트럼 내용을 수정하는 것"이다. 필터는 출력 파형 y의 각 샘플을 입력 파형 x의 여러 샘플의 가중치 합으로 생성하는 작업이다. 필터가 제공하는 SNR의 개선은 환영할 일이지만 필터링은 때때로 놀라운 방식으로 대상 신호에도 영향을 미친다. 분명히 필터의 정지 대역에 속하는 대상 신호의 모든 구성 요소는 손실된다. 예를 들어, 전력선 아티팩트를 제거하기 위해 50Hz 노치 필터를 적용하면 50Hz 영역 내에서 뇌 활동도 제거될 수 있다. 필터링된 신호에 맹목적으로 의존하는 실험자는 필터에 의해 억제된 기능에 대해 맹목적이다. 대상이 겪는 왜곡은 더 이해하기 어렵다. 이러한 왜곡은 진폭 및 위상 특성 (종종 보고되지 않음)을 포함하여 필터의 주파수 특성에 따라 다르다. 필터의.. 2022. 4. 4. Filter (1) Filter 필터는 일반적으로 노이즈를 줄이고 데이터 품질을 개선하는 데 사용된다. 시간-주파수 분석은 특히 웨이블릿 (wavelet) 변환의 경우 필터가 가지고 있는 동일한 문제 중 일부를 공유한다. 뇌 과학의 주요 과제 중 하나는 측정이 노이즈와 인공물로 오염된다는 것이다. 환경 소음, 도구 소음 또는 실험 맥락에서 관심이 없는 신체 내 신호 소스 (생리학적 소음)가 포함될 수 있다. 노이즈가 있으면 대상 신호를 가리거나 분석을 방해할 수 있다. 그러나 신호와 간섭이 서로 다른 스펙트럼 영역을 차지하는 경우 데이터에 필터를 적용하여 신호 대 잡음비 (SNR)를 향상시킬 수 있다. 예를 들어, 직류 (DC) 성분이나 느린 변동은 고역 통과 필터로 제거할 수 있고, 전력선 성분은 50 또는 60Hz에서 .. 2022. 4. 1. EEG Preprocessing EEG Preprocessing Importing the raw data Downsample the data Bandpass filter Re-reference data Inspect electrodes and reject noisy channels Epoch the data Inspect and reject noisy epochs Run independent component analysis and reject noisy components Save preprocessed data Filtering EEG 데이터를 필터링해서 필요한 정보만 걸러내는 것이다. EEG 데이터를 분석할 때 전처리하는 단계이다. 일반적으로 사용하는 뇌파들이 4Hz ~ 30Hz이기 때문에 0.1Hz 미만의 주파수를 필터링하기 위.. 2022. 4. 1. 이전 1 ··· 3 4 5 6 7 8 9 ··· 12 다음 728x90 반응형 LIST
