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])

در فیلتر کردن سیگنالها، خطی بودن فاز اهمیت زیادی دارد و از شیفت و جابجایی مولفه های فرکانسی در زمان(محل رویداد مولفه ها)، بعد از عبور سیگنال از فیلتر جلوگیری میکند. فیلتر های دیجیتال یا تمام صفرندFIR یا قطب دارندIIR که فیلتر های FIR با طراحی خاصی می توانند فاز خطی داشته باشند و بنابراین کاربرد زیادی در فیلتر کردن سیگنالها مخصوصاً سیگنالهای حیاتی دارند. یکی از دستورات طراحی فیلتر های پاسخ ضربه محدودFIR در متلب دستور firgr میباشد که با مشخص کردن پاسخ فرکانسی برای ان و با توجه به درجه فیلتر(تعداد تاخیر) ضرایب فیلتر را مشخص میکند. توضیحات بیشتر در جزوه mi2 اورده شده است
👇👇👇

در فیلتر کردن سیگنالها بسته به درجه فیلترها از نظر زمانی پیکها جابجا میشوند و مثلا پیک در ثانیه 2 به 2.2 ثانیه منتقل میشود
اگر از نظر زمانی، زمان رویدادن یک اتفاق مهم است در فیلتر کردن باید مواظب باشید تا شیفت پیدا نکند
برای اینکار میتوان از دستور filtfilt متلب استفاده کرد که یکبار سیگنال را درجهت مستقیم زمانی (time forward)و یکبار معکوس زمانی(time reverse) فیلتر میکند و شیفتها جبران میشود

y=filtfilt(num,den,x)
num:چند جمله ای صورت فیلتر بر حسب تبدیل زد
den: چند جمله ای مخرج
x: سیگنال ورودی که طولش باید بیشتر از سه برابر درجه فیلتر باشد
لطفا help filtfilt را ببینید

سیگنال ECG ساختگی 👆👆👆

در تصویر بالا می بینیم فیلتر معمولی شیفت زمانی داده ولی filtfilt محل زمانی پیک را حدودا تغییر نداده

در روشهای استخراج باند الفا در سیگنال های مغزی این نکته در فیلتر کردن مهم است
در فیلترهای FIR حدودا به درجه فیلتر شیفت در نمونه های زمانی داریم مثلا فیلتر درجه 100 حدود 100 نمونه شیفت دارد(اگر فرکانس نمونه برداری 200 هرتز باشد 100 نمونه حدود نیم ثانیه میشود)
این روش برای پردازشهای offline مناسب است و برای کارهای online قابل استفاده نیست

📚هفته سی و هشتم
Quantitative
Electroencephalographic
Analysis (QEEG) Databases
for Neurotherapy:
Denoscription, Validation,
and Application
#کتاب
#هفته_راباکتاب_آغاز_کنیم
#Book

📱لینک عضویت کانال پردازش سیگنال های مغزی:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

قسمتی از کارگاه هفتم پردازش سیگنالهای مغزی برگزار شده در آزمایشگاه ملی نقشه برداری
معرفی برخی از کتابهای مرتبط با کارگاه
توسط اقای دکتر نصرآبادی

کانال کارگاه های پردازش سیگنال های مغزی

لینک عضویت کانال:
https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ
ارتباط با ما: EEGWorkshop@
ارتباط با دکتر نصرآبادی
@ali_m_n2015

دوستانی که تازه به کانال وارد شده اند با جستجوی کلمه فیلم می توانند نمونه فیلمهای کارگاه های مختلف را پیدا نمایند

📚هفته سی و نهم
Clinical Electrophysiology
of the Somatosensory Cortex
#کتاب
#هفته_راباکتاب_آغاز_کنیم
#Book

📱لینک عضویت کانال پردازش سیگنال های مغزی:
✅ https://news.1rj.ru/str/joinchat/AAAAAD7DKCCSYN9in_TFWQ

عیدی🌺🌺🌺🌺🌺🌺
دوستان الگوریتم csp را میخواستند در فایل اول مقاله مرتبط با این الگوریتم و در فایل دوم الگوریتم و مثال انرا که سرکار خانم دکتر جمالو زحمت تهیه اش را کشیدند گذاشته ایم
داده x همان داده کار شده تو کارگاه روی چهرهface است و داده y روی اشیاء object است
خروجی الگوریتم csp_w دوبرابر num_weightsارگومان چهارم اخر تابع است که نصف اول مربوط به داده اول و نصف دوم مربوط به داده دوم است(مشابه شکل fig7.5 فایل pdf)

فایل را extract کنید در مسیر work matlab یا هرجای دلخواه با اجرای csp_example بر نامه روی داده های x و y اجرا میشود ترتیب بعد داده ها بصورت تریال، نمونه های زمانی و کانال میباشد اگر ترتیب بعد دادهای شما متفاوت است از دستور permute میتوانید استفاده کنید
برای داده های خودتان باید داده اول بجای x و داده دوم بجای y قرار داده شود زیرفضای لازم در csp در ارگومان اخر قرار می گیرد