لبه اول فیلتر که روی ده هرتز است در حالت نرمالیزه شده 0.1 میشود که باید به دستور طراحی فیلتر پرش را نشان داد در اینجا به 0.1 صفر و به 0.11 یک نسبت داده شده است که معنی ان این است ۱۰ هرتز صفر و یازده هرتز یک باشد. میشد بجای 0.11 از 0.101 استفاده کرد که معنی ان این است در فرکانس ده و یک دهم هرتز دامنه فیلتر یک شود که فیلتر خیلی تیز میشود

مطالب filtfilt نگاه شود

یکی از روشهای کاهش بعد ماتریس ویژگی و پیدا کردن راستاهایی که بیشترین پراکندگی درانها هست روش تحلیل مولفه های اساسی PCA است
این روش در matlab با دستور pcacov هم می تواند انجام شود.

داده ingredients چهار بعدی است که هر مشاهده در یک سطر است و متغیرها ستون هستند. با زدن PCA متوجه میشویم قدرت پراکندگی یا واریانس در بعد چهارم مولفه پی سی ای خیلی کم است(0.2) پس این راستا اطلاعاتی ندارد و قابل حذف است
برای حذف مولفه چهارم ماتریس pc را سه ستون اول را که متناظر با سه واریانس بیشتر است میگیریم و سپس در ماتریس ingredients ضرب میکنیم حالا چهاربعد به سه بعد کاهش میابد که بیشترین پراکندگی را دارند براساس واریانسها 99.96% انرژی در این سه بعد حفظ شده است. اگر راستای اول و دوم را بگیریم 97.88% انرژی اطلاعات را حفظ کرده ایم(یعنی ستونهای اول و دوم ماتریس pc)

Ingredients
چهار متغیر دارد که ۱۳ مشاهده از انها وجود دارد

Latent
مقادیر ویژه متناظر با هر راستا یا قدرت پراکندی و یا واریانس هر راستاست
و explained در صد انرژی هر راستاست

سطر اخر تبدیل چهار بعد متغیر ingredients به دو بعدی که بیشترین واریانس یا انرژی را دارند است

در مثال دیگر داده های x دو بعدی است

پراکندگی داده ها حول خط ۴۵ درجه است

از متغیر explained دیده میشود که ۹۷.۵ در صد پراکندگی حول راستای اول است که متناظر با ستون اول اول ماتریس coeff است که حدودا راستای ۴۵ درجه است

راستاهای pca برهم عمود هستند یعنی ستونهای ماتریس coeff متعامدند

اگر داده های x را به یک بعد کاهش دهیم و سپس به دو بعد برگردیم اطلاعات بعد اصلی حفظ و اطلاعات بعد دوم حدف میشود

مقایسه کنید👆👆👆

دستیار هوشمند مدیریت استرس
#ایران_ساخت
#حمایت_از_کالای_ایرانی
#حمايت_از_كالاي_داخلي
#حمایت_از_تولید_ملی
https://goo.gl/JbR3nJ
@iiransakht

برای استخراج توان در باندهای فرکانسی مورد نظر در متلب میتوان از دستور bandpower استفاده کرد(از help نرم افزار کمک بگیرید)
برای مثال x سیگنال eeg مورد نظر است و با فرکانس 250 هرتز نمونه برداری شده است و ما میخواهیم قدرت طیف الفا 8-13 هرتز را بدست اوریم مینویسیم
P=bandpower(x,250,[8 13])