fandaal: (Default)
Any waveform can be decomposed into a set of sine waves of
various frequencies and phases, and the waveform can be reconstructed
by simply summing these sine waves together. Filters are
usually described in terms of their ability to suppress or pass
various different frequencies. The most common types of filters
are: (1) low-pass filters, which attenuate high frequencies and pass
low frequencies; (2) high-pass filters, which attenuate low frequencies
and pass high frequencies; (3) bandpass filters, which attenuate
both high and low frequencies, passing only an intermediate
range of frequencies; and (4) notch filters, which attenuate some
narrow band of frequencies and pass everything else.
fandaal: (Default)
It is sometimes possible to make overlap into a virtue. Specifically,
if a series of identical stimuli are presented at a fast, regular
rate (e.g., eight stimuli per second), the system will stop producing
complex transient responses and enter into a steady state, in which
the system resonates at the stimulus rate (and multiples thereof).
Typically, steady state responses will look like two summed sine
waves, one at the stimulation frequency and one at twice the stimulation
frequency.

клеви тема. может, писал уже.
при постоянной(и довольно высокой) частоте показывания стимула на ээг появляется волна точно такой же частоты. и тогда можно вывести из ээг, обработан стимул с данной частотой или нет.
fandaal: (Default)
во вторник у меня был экзамен по brain imaging methods
прошел хорошо, у меня А, но была пара вопросов, на которые я ответил неполно.
например, каковы основные способы анализа EEG данных(электрическая активность мозга)
я сказал про определение основных частот и событийно связанные потенциалы, но забыл про wavelet analysis
определение частот - это нахождение тех самых альфа, бета, тета, дельта, гамма волн о которых все слышали.
берутся исходные данные, и представляются как сумма нескольких волн с постоянными частотами. это делается Фурье преобразованием, как я понимаю. при этом мы получаем неплохое определение частоты, но низкое временное разрешение. мы не можем сказать, в какое время какие частоты были представлены.
понятно, что можно схитрить, можно разделить исходный график на куски, и каждый проанализировать по отдельности.
и для каждого куска найти базовые частоты. но проблема в том, что приходится идти на компромисс. это связано с волновым принципом неопределенности. чем точнее нам известно время, тем хуже мы знаем частоту. в случае с event related potential мы анализируем вообще только амплитуду в конкретный момент времени. и наоборот, чем лучше нам известна частота, тем большие куски графика мы должны анализировать, и тем хуже мы можем определить, КОГДА имела место та или иная частота.
то есть имеется противоречие.
решение интересное и довольное частое. мы анализируем исходные данные, и видим, что они подчиняются определенным закономерностям. там есть почти постоянно присутствующие низкие частоты, для них нам нужно точное определение частоты, а время неважно. и у нас есть короткие всплески высокочастотной активности. для них нам нужно высокое временное разрешение(точность), но частотная точность непринципиальна. и тогда можно подобрать разложение на такие функции, которые будут удовлетворять этому условию, не нарушая принцип неопределенности.
и вот эта идея, использовать разные методы в разных ситуациях, там, где их слабые стороны неважны, вместо того, чтобы применять метод работающий везде одинаково плохо...
она во многих других ситуациях работает.
и вообще, есть такие идеи, которые на абстрактном уровне применяются в самых разных областях...

Profile

fandaal: (Default)
fandaal

August 2011

S M T W T F S
 123456
78910111213
14151617181920
21222324252627
28 293031   

Syndicate

RSS Atom

Most Popular Tags

Style Credit

Expand Cut Tags

No cut tags
Page generated Jul. 23rd, 2017 10:38 pm
Powered by Dreamwidth Studios