脑电数据处理分析 |
您所在的位置：网站首页 › 怎样进行格式转换文件 › 脑电数据处理分析 |
脑电数据处理分析
|
声明：参考来源：https://zhuanlan.zhihu.com/p/34410111
生理信号数据常用的格式为edf，而matlab常用的是mat,txt。 如果已经在数据库里下载了edf格式的数据。不妨先了解下EDF格式具体内容： HEADER RECORD 8 ascii : 数据格式的版本 80 ascii : 被试ID 80 ascii : 数据记录编号 8 ascii : 开始记录的日期 (dd.mm.yy) 8 ascii : 开始记录的时间 (hh.mm.ss) 8 ascii : 头比特数 44 ascii :保留给EDF+ 8 ascii : 初始值-1，结束时被赋其他值 8 ascii : 数据持续记录时间，s 4 ascii : 记录几种信号种类 ns * 16 ascii : 电极位置，体温等信息 ns * 80 ascii : 电极信息 ns * 8 ascii : ns * 幅值单位信息 ns * 8 ascii : ns * physical minimum (e.g. -500 or 34) ns * 8 ascii : ns * physical maximum (e.g. 500 or 40) ns * 8 ascii : ns * digital minimum (e.g. -2048) ns * 8 ascii : ns * digital maximum (e.g. 2047) ns * 80 ascii : 滤波器参数 ns * 8 ascii : 采样率 ns * 32 ascii : 采集信号类型 DATA RECORD nr of samples[1] * integer : first signal in the data record nr of samples[2] * integer : second signal .. nr of samples[ns] * integer : last signal 我们将matlab官方提供的读edf头文件的脚本跑一下：看看是否像如上格式 [header,~] = edfread('Subject00_1.edf')“edfRead ” version 2.10 (7.44 KB) by Brett Shoelson： (温馨提醒：为保证后续阅读，手机用户长按松开拷贝地址到浏览器打开为宜) http://cn.mathworks.com/matlabcentral/fileexchange/31900-edfread
下载代码，命令行运行结果如下：
我的数据结果：
符合翻译的Header的格式。
帧头之后就是数据。 这里原始数据我用了网上的另一个代码：因为他支持的格式更全，支持edf,rec转mat。 用的是 Alois Schloegl 的脚本。（点击下载源码） https://files.cnblogs.com/files/myohao/edfsample.zip mathworks官网也给出了列子：https://ww2.mathworks.cn/matlabcentral/fileexchange/31900-edfread?s_tid=prof_contriblnk 直接运行代码取变量S的前三列，即EDF数据前三通道的脑电数据，画出结果如下：
将工作区的变量S右键，数据另存为导出为txt。好了有了我们最熟悉的txt格式，接下来选出想分析的通道（列）进行分析就可以了。 （我的数据为一行代表一个通道）
接下来我们跑个简单的算法：FFT分析睡眠数据，我们提取出不同的节律，也就是不同的频段，进行功率谱估计。 以下是四种节律： α/阿尔法脑波（ALPHA）在大脑中有时出现，有时消失，它并不总是存在。例如，在深睡情况下没有α波；如果一个人在激动状态下，或恐惧，愤怒时，大脑中也没有α脑波。α脑波在初睡或初醒时出现（即半睡半醒时），此时身体处于放松状态，并有自觉的警觉意识。 δ/德尔塔脑波（DELTA）只在深睡时出现。 θ/西塔脑波（THETA）在浅睡时出现。 β/贝塔脑波（BETA）在清醒时出现，伴有需努力能够达到的注意力集中。
不懂傅里叶变换原理的先来这里：最通俗的讲解传送门： https://zhuanlan.zhihu.com/p/19759362 Matlab下FFT实现代码实例： https://cn.mathworks.com/help/matlab/ref/fft.html?searchHighlight=FFT&s_tid=doc_srchtitle 由于添加了噪声，fft之后的数据强度接近0.5和1，但不完全相等 %fft部分实验，生成带噪声的数据，fft变换，再反变换回时域数据 %Y = fft(X,n)如果 X 是矩阵，则 fft(X) 将 X 的各列视为向量，并返回每列的傅里叶变换。 %fft的官方解释https://ww2.mathworks.cn/help/matlab/ref/fft.html?searchHighlight=FFT&s_tid=doc_srchtitle Fs = 500; % Sampling frequency T = 1/Fs; % Sampling period L = length(recorddata(:,1)); % Length of signal t = (0:L-1)*T; % Time vector %构造一个信号，其中包含幅值为 0.7 的 50 Hz 正弦量和幅值为 1 的 120 Hz 正弦量。 S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); %用均值为零、方差为 4 的白噪声扰乱该信号。 X = S + 2*randn(size(t)); %在时域中绘制含噪信号。通过查看信号 X(t) 很难确定频率分量。 figure; plot(1000*t(1:50),X(1:50)) title('Signal Corrupted with Zero-Mean Random Noise'); xlabel('t (milliseconds)'); ylabel('X(t)'); %% %计算信号的傅里叶变换。 Y = fft(X); %计算双侧频谱 P2。然后基于 P2 和偶数信号长度 L 计算单侧频谱 P1。 P2 = abs(Y/L); P1 = P2(1:L/2+1);%计算单侧频率 P1(2:end-1) = 2*P1(2:end-1); %定义频域 f 并绘制单侧幅值频谱 P1。与预期相符，由于增加了噪声，幅值并不精确等于 0.7 和 1。一般情况下，较长的信号会产生更好的频率近似值。 f = Fs*(0:(L/2))/L; figure; plot(f,P1) title('Single-Sided Amplitude Spectrum of X(t)') xlabel('f (Hz)') ylabel('|P1(f)|') %% %现在，采用原始的、未破坏信号的傅里叶变换并检索精确幅值 0.7 和 1.0。 Y = fft(S); P2 = abs(Y/L); P1 = P2(1:L/2+1); P1(2:end-1) = 2*P1(2:end-1); figure; plot(f,P1) title('Single-Sided Amplitude Spectrum of S(t)') xlabel('f (Hz)') ylabel('|P1(f)|')有了FFT的函数，在主函数中调用，分割不同频率，分割不同时间，就得到需要的图片了。比如，我想得到10s-150s的θ/西塔脑波（THETA）值。部分源码在这： http://www.cnblogs.com/myohao/p/8539001.html 测试结果如下
符合截取区间。
附： 主要的心电数据库：https://www.cnblogs.com/myohao/p/8538740.html edf转txt, mat：https://files.cnblogs.com/files/myohao/edfsample.zip 上面没有给出来中间fft的过程，摸索一下再来补充~ |
【本文地址】
今日新闻 |
推荐新闻 |