Phân tích thống kê STFT

Tôi đang sử dụng evolffthàm trong RSEISgói R để phân tích tín hiệu STFT.

Tín hiệu dài một giờ và được thu nhận trong 3 điều kiện khác nhau, đặc biệt là kiểm soát 0-20 ', kích thích 20' 40 ', 40' -60 'sau kích thích.

Trực quan, tôi thấy một sự thay đổi trong quang phổ trong 3 giai đoạn này, với tần suất cao hơn và công suất FFT tăng lên trong quá trình điều trị, nhưng tôi tự hỏi liệu có một loại phân tích thống kê nào tôi có thể làm để "đưa một số con số" vào nó.

Bất cứ đề nghị nào?

EDIT: như được đề xuất, tôi sẽ thêm một ví dụ về dữ liệu tôi đang xử lý

Ví dụ STFT

Việc xử lý nằm trong khoảng từ 20 'đến 40', vì bạn có thể thấy nó tạo ra sự gia tăng sức mạnh của FFT trên một dải tần số khá rộng. Tôi có 50-60 STFT này cho mỗi thử nghiệm (cho tổng số 10 thử nghiệm). Tôi có thể lấy trung bình phổ cho mỗi thí nghiệm và vẫn có được một kiểu mẫu tương tự. Bây giờ, vấn đề của tôi là làm thế nào để định lượng chính xác dữ liệu tôi có và có thể thực hiện một số thống kê để so sánh trước, trong và sau khi điều trị.

— nico
nguồn

Điều gì về những đại lượng mà bạn đã đề cập: (trung bình) sức mạnh trong kỳ; công suất trong một dải tần số cao? Đây là một thử nghiệm có kế hoạch, vì vậy bạn chắc chắn có các giả định về thời gian sẽ khác nhau như thế nào. Một biện pháp tốt sẽ nhạy cảm với loại khác biệt mà bạn đưa ra giả thuyết.

— GaBorgulya

@GaBorgulya: tốt, tôi đã nghĩ đến việc thực hiện một số loại biểu đồ phân phối tần số trong 3 khối, nhưng tôi không chắc cách tích hợp thông tin năng lượng trong đó ...

— nico

Tại sao không so sánh tần số trung bình trong mỗi giai đoạn với một tập hợp t.tests?

— Brandon Bertelsen

Tôi nghĩ rằng câu hỏi này có thể được cải thiện bằng cách cung cấp thêm thông tin. Điều đó có khả năng sẽ thu hút nhiều sự quan tâm là tốt. Dưới đây là một số gợi ý để bổ sung: (a) xem xét việc cung cấp một biểu đồ mẫu của biểu đồ phổ, (b) giải thích chính xác ý của bạn bằng cách "đặt một số số vào đó", (c) cung cấp chi tiết về thời gian bạn đang làm cho Phân tích FFT, (d) cung cấp số lượng đối tượng, tỷ lệ lấy mẫu và kích thích là gì. Là sức mạnh tổng thể là số lượng quan tâm, sức mạnh trong một dải tần số, hoặc cái gì khác?

— Đức hồng y

Tôi nghĩ rằng việc sử dụng phổ đồ là trực quan thú vị nhưng không rõ ràng để khai thác vì sự dư thừa thông tin dọc theo tần số. Những gì chúng ta có thể thấy là những thay đổi giữa các thời kỳ là rõ ràng. Ngoài ra, tôi sẽ quay trở lại vấn đề ban đầu khi bạn có 3 khoảng thời gian khác nhau được lập chỉ mục bởi một tập hợp các tín hiệu ( ) có độ dài : . $k=1,2,3$ $n$ $n=50$ $T>0$ $i=1,\dots,n\; \; X^{k}_i\in \mathbb{R}^T$

Từ đây, tôi chỉ cần thực hiện một số loại "ANOVA chức năng" (hoặc "ANOVA đa biến"):

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

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

và kiểm tra sự khác biệt về giá trị trung bình tức là kiểm tra so với . $\beta_1-\beta_2=0$ $\|\beta_1-\beta_2\|>\rho$

Bạn có thể quan tâm đến việc nghiên cứu này cũng nghiên cứu này liên quan đến một mô hình FANOVA khác nhau. Điểm khó khăn trong trường hợp thực tế của bạn có thể là tất cả các giả định được đưa ra trong các bài viết này đều sai (homoscedasticity hoặc Stationnarity, ...) và bạn có thể cần phải xây dựng một bài kiểm tra "chức năng" khác phù hợp với vấn đề của mình.

Lưu ý rằng ý tưởng của bạn về việc sử dụng phân tích đa biến không bị mất ở đây vì bạn có thể tích hợp nó trong thử nghiệm (nếu tôi nhớ đó là những gì được thực hiện trong bài báo đầu tiên tôi đề cập).

— cướp girard
nguồn

Cảm ơn bạn robin, điều này có vẻ như một dẫn tốt. Tôi sẽ xem xét những giấy tờ đó.

— nico

@nico nếu bạn muốn thảo luận chi tiết hơn, hãy liên hệ với tôi.

— cướp girard