STFT statistische Analyse

Ich verwende die evolfftFunktion im RSEISR-Paket, um eine STFT-Analyse eines Signals durchzuführen.

Das Signal ist eine Stunde lang und wurde unter 3 verschiedenen Bedingungen erfasst, insbesondere 0-20 'Kontrolle, 20'-40'-Stimulus, 40'-60' nach Stimulus.

Visuell sehe ich während dieser drei Perioden eine Änderung des Spektrogramms mit höherer Frequenz und erhöhter FFT-Leistung während der Behandlung, aber ich habe mich gefragt, ob ich eine statistische Analyse durchführen könnte, um "einige Zahlen" darauf zu setzen.

Irgendein Vorschlag?

BEARBEITEN: Wie vorgeschlagen, werde ich ein Beispiel für die Daten hinzufügen, mit denen ich mich befasse

STFT-Beispiel

Die Behandlung liegt zwischen 20 'und 40', wie Sie sehen können, führt dies zu einer Leistungssteigerung der FFT über einen ziemlich weiten Frequenzbereich. Ich habe 50-60 dieser STFT für jedes Experiment (für insgesamt 10 Experimente). Ich kann die Spektren für jedes Experiment mitteln und trotzdem eine ähnliche Art von Muster erhalten. Mein Problem ist nun, wie ich meine Daten korrekt quantifizieren und möglicherweise einige Statistiken vor, während und nach der Behandlung vergleichen kann.

— nico
quelle

Was ist mit den Mengen, die Sie erwähnt haben: (mittlere) Leistung während des Zeitraums; Leistung in einem Hochfrequenzband? Dies ist ein geplantes Experiment, daher haben Sie sicherlich Annahmen darüber, wie sich die Zeiträume unterscheiden werden. Ein gutes Maß hängt von der Art des Unterschieds ab, den Sie annehmen.

— GaBorgulya

@ GaBorgulya: Nun, ich dachte daran, eine Art Histogramm der Häufigkeitsverteilung in den 3 Blöcken zu machen, aber ich bin nicht sicher, wie ich die Leistungsinformationen in diese ...

— Nico

Warum nicht die mittleren Frequenzen während jeder Periode mit einer Reihe von Tests vergleichen?

— Brandon Bertelsen

Ich denke, diese Frage könnte durch mehr Informationen verbessert werden. Das wird wahrscheinlich auch mehr Interesse erregen. Hier sind einige Vorschläge für Ergänzungen: (a) Überlegen Sie, ob Sie ein Beispieldiagramm des Spektrogramms bereitstellen möchten, (b) erklären Sie, was genau Sie mit "Zahlen darauf setzen" meinen, (c) geben Sie Details zum Zeitfenster an, das Sie für das tun Die FFT-Analyse (d) liefert die Anzahl der Probanden, die Abtastrate und den Stimulus. Ist die Gesamtleistung die interessierende Menge, die Leistung in einem Frequenzband oder etwas anderes?

— Kardinal

Ich denke, die Verwendung des Spektrogramms ist visuell interessant, aber aufgrund der Informationsredundanz entlang der Frequenzen nicht so offensichtlich zu nutzen. Was wir sehen können, ist, dass die Veränderungen zwischen den Perioden offensichtlich sind. Ich würde auch auf das anfängliche Problem zurückkommen, bei dem Sie für 3 verschiedene Zeiträume, die durch indiziert sind, eine Menge von ( ) Signalen der Länge indiziert haben : . $k=1,2,3$ $n$ $n=50$ $T>0$ $i=1,\dots,n\; \; X^{k}_i\in \mathbb{R}^T$

Daraus würde ich einfach eine Art "funktionale ANOVA" (oder "multivariate ANOVA") machen:

X_{i}^{k} (t) = μ_{k} + β_{k} (t) + ϵ_{k, i} (t)

$X^{k}_i(t)=\mu_k+\beta_k(t)+\epsilon_{k,i}(t)$

und Test auf Differenz im Mittelwert, dh Test gegenüber . $\beta_1-\beta_2=0$ $\|\beta_1-\beta_2\|>\rho$

Sie könnten an diesem Artikel interessiert sein , auch dieser Artikel beinhaltet eine andere FANOVA-Modellierung. Der schwierige Punkt in Ihrem realen Fall könnte sein, dass alle in diesen Papieren getroffenen Annahmen falsch sind (Homoskedastizität oder Stationarität, ...) und Sie möglicherweise einen anderen "Funktionstest" erstellen müssen, der an Ihr Problem angepasst ist.

Beachten Sie, dass Ihre Idee, Multiskalenanalysen zu verwenden, hier nicht verloren geht, da Sie sie in den Test integrieren können (wenn ich mich erinnere, wird dies in dem ersten Artikel getan, den ich erwähne).

— Robin Girard
quelle

Danke Robin, das scheint eine gute Spur zu sein. Ich werde mir diese Papiere ansehen.

— Nico

@nico Wenn Sie die Dinge genauer besprechen möchten, können Sie mich gerne kontaktieren.

— Robin Girard