在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
1、对脑电数据进行db4四层分解,因为脑电频率是在0-64HZ,分层后如图所示, 细节分量[d1 d2 d3 d4] 近似分量[a4] 重建细节分量和近似分量,然后计算对应频段得相对功率谱,重建出来得四个频段(αβθδ)都有14个通道,所以要计算4频段14通道共56个相对功率
2、代码 function wavelet(signal) A4Array = zeros(14,5000); D4Array = zeros(14,5000); D3Array = zeros(14,5000); D2Array = zeros(14,5000); for i=1:14 [C,L] = wavedec(signal(i,1:5000),4,'db4');%函数返回 3 层分解的各组分系数C(连接在一个向量里) ,向量 L 里返回的是各组分的长度。 % [cD1,cD2,cD3,cD4] = detcoef(C,L,[1,2,3,4]);%抽取1234层细节系数 % cA4 = appcoef(C,L,'d4',4);%抽取近似系数 A4 = wrcoef('a',C,L,'db4',4);%重建4层近似,deta波 A4Array(i,:) = A4; D4 = wrcoef('d',C,L,'db4',4);%重建4层细节,sita波 D4Array(i,:) = D4; D3 = wrcoef('d',C,L,'db4',3);%重建3层细节,alpha波 D3Array(i,:) = D3; D2 = wrcoef('d',C,L,'db4',2);%重建2层细节,beta波 D2Array(i,:) = D2; end detaspectral(signal,A4Array); thetaspectral(signal,D4Array); alphaspectral(signal,D3Array); betaspectral(signal,D2Array); end
detaspectral thetaspectral alphaspectral betaspectra的代码都是一样的 function alphaspectral(signal,dtest8theta) Fs=128; N=1024;Nfft=256;n=0:N-1;t=n/Fs; window=hanning(256); noverlap=128; dflag='none'; for i=1:14 x=signal(i,1:5000); powd(i,:)=psd(x,Nfft,Fs,window,noverlap,dflag);%计算未分频段,总数据的功率谱 x1=dtest8theta(i,:);%某一频段的脑电数据 powd1(i,:)=psd(x1,Nfft,Fs,window,noverlap,dflag);%计算该频段的功率谱 end xdpowthetad = zeros(14,1); xdpowthetad=mean(abs(powd1),2)./mean(abs(powd),2);%计算相对功率,用分频段功率谱比上不分频段的。 %save('G:\研三\音乐反馈数据\新算相对功率\xdpowthetad.mat','xdpowthetad'); save('C:\Users\25626\Desktop\滤波后数据\14\相对功率谱\5 3\alphaspectra.mat','xdpowthetad'); end
function detaspectral(signal,dtest8theta) Fs=128; N=1024;Nfft=256;n=0:N-1;t=n/Fs; window=hanning(256); noverlap=128; dflag='none'; for i=1:14 x=signal(i,1:5000); powd(i,:)=psd(x,Nfft,Fs,window,noverlap,dflag);%计算未分频段,总数据的功率谱 x1=dtest8theta(i,:);%某一频段的脑电数据 powd1(i,:)=psd(x1,Nfft,Fs,window,noverlap,dflag);%计算该频段的功率谱 end xdpowthetad = zeros(14,1); xdpowthetad=mean(abs(powd1),2)./mean(abs(powd),2);%计算相对功率,用分频段功率谱比上不分频段的。 %save('G:\研三\音乐反馈数据\新算相对功率\xdpowthetad.mat','xdpowthetad'); save('C:\Users\25626\Desktop\滤波后数据\14\相对功率谱\5 3\detaspectral.mat','xdpowthetad'); end
function betaspectral(signal,dtest8theta) Fs=128; N=1024;Nfft=256;n=0:N-1;t=n/Fs; window=hanning(256); noverlap=128; dflag='none'; for i=1:14 x=signal(i,1:5000); powd(i,:)=psd(x,Nfft,Fs,window,noverlap,dflag);%计算未分频段,总数据的功率谱 x1=dtest8theta(i,:);%某一频段的脑电数据 powd1(i,:)=psd(x1,Nfft,Fs,window,noverlap,dflag);%计算该频段的功率谱 end xdpowthetad = zeros(14,1); xdpowthetad=mean(abs(powd1),2)./mean(abs(powd),2);%计算相对功率,用分频段功率谱比上不分频段的。 %save('G:\研三\音乐反馈数据\新算相对功率\xdpowthetad.mat','xdpowthetad'); save('C:\Users\25626\Desktop\滤波后数据\14\相对功率谱\5 3\betaspectral.mat','xdpowthetad'); end
function thetaspectral(signal,dtest8theta) Fs=128; N=1024;Nfft=256;n=0:N-1;t=n/Fs; window=hanning(256); noverlap=128; dflag='none'; for i=1:14 x=signal(i,1:5000); powd(i,:)=psd(x,Nfft,Fs,window,noverlap,dflag);%计算未分频段,总数据的功率谱 x1=dtest8theta(i,:);%某一频段的脑电数据 powd1(i,:)=psd(x1,Nfft,Fs,window,noverlap,dflag);%计算该频段的功率谱 end xdpowthetad = zeros(14,1); xdpowthetad=mean(abs(powd1),2)./mean(abs(powd),2);%计算相对功率,用分频段功率谱比上不分频段的。 %save('G:\研三\音乐反馈数据\新算相对功率\xdpowthetad.mat','xdpowthetad'); save('C:\Users\25626\Desktop\滤波后数据\14\相对功率谱\5 3\thetaspectral.mat','xdpowthetad'); end
|
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论