您的位置: 首页  >  文章  >  基于互信息的EEG脑网络情感识别（三）

基于互信息的EEG脑网络情感识别（三）

分类: 文章 • 2023-11-24 22:43:46
上一篇文章对DEAP数据集中的data_preprocessed_matlab文件夹的文件进行了数据的截取。
这篇文章是接着上一篇，将数据按频率分成四个波段。

用到的数据是在上一篇文章中处理之后生成的数据。

将经过降采样率的样本通过小波包分解，得到 Theta（4–7Hz）、Alpha（8–13Hz）、Beta（13–30Hz）。小波包分解能够将频带进行多层进一步划分，相对于小波变换而言，能够将没有细分的高频部分进一步细分。由于研究中使用到的相位锁值对于窄带信号较为敏感，而 Beta 段频带较宽，因此又进一步将 Beta 波段划分为低频的 Beta1（13–20Hz）和高频的 Beta2（20–30Hz）。
小波包分解（Matlab 函数 wpdec，母函数为 db20）得到 4 个频段下的数据序列。
注：关于小波包分解，如果不太熟悉的话，这里推荐一个博客，我当时是参考这个学习的：小波包分解与信号重构

由于要分的波段是：（重叠部分归到后面波段）

  • Theta（4–8Hz）
  • Alpha（8-13Hz）
  • Beta1（13-20Hz）
  • Beta2（20–30Hz）
    采样频率为128Hz，则奈奎斯特频率为64Hz（概念而已，自行百度一下）
    我准备建立的分解树是6层的（不算(0,0)那一层），这样，最底层的结点跨度范围就是1Hz。

分解代码如下：（其中A表示一维的信号）

wpt=wpdec(A,n,'db20');

其中结点(6,0)表示0–1Hz，(6,1)表示1–2Hz，(6,2)表示2–3Hz …

分解后，即建立下面的分解树：
基于互信息的EEG脑网络情感识别（三）

下一步，对结点进行重构，并对处理的信号进行叠加
对结点重构以及信号叠加代码如下：

	cfs01=wprcoef(wpt,[6 4]);
    cfs02=wprcoef(wpt,[6 5]);
    cfs03=wprcoef(wpt,[6 6]);
    cfs04=wprcoef(wpt,[6 7]);
    cfs0=cfs01+cfs02+cfs03+cfs04;

下来，还是附上一个整体处理的代码：
（A是一维数据，所以拆成每行进行处理，完成后再进行拼接）

pathname='E:\脑电数据集\s01-1\';
x=load('E:\脑电数据集\截取后数据\s01\s01-1.mat');
xx=x.data;
n=6;
Theta=[];
for i=1:32
    A=xx(i,:);
    wpt=wpdec(A,n,'db20');
    plot(wpt);
    cfs01=wprcoef(wpt,[6 4]);
    cfs02=wprcoef(wpt,[6 5]);
    cfs03=wprcoef(wpt,[6 6]);
    cfs04=wprcoef(wpt,[6 7]);
    cfs0=cfs01+cfs02+cfs03+cfs04;
    %filename=sprintf('Theta-%d',i);
    %save([pathname,filename],'cfs0');
    filename='Theta';
    Theta=[Theta;cfs0];
    save([pathname,filename],'Theta');
end

该代码只对s01\s01-1.mat的数据进行了处理，而且只提取了Theta波段的数据
其他波段的提取，以及后续的批处理操作就不做叙述了

基于互信息的EEG脑网络情感识别（三）
该文章是学习笔记，后续会继续更新
下一篇文章的链接：基于互信息的EEG脑网络情感识别（四）

相关推荐