Analisis statistik STFT

Saya menggunakan evolfftfungsi dalam RSEISpaket R untuk melakukan analisis sinyal STFT.

Sinyal satu jam panjang dan diperoleh selama 3 kondisi yang berbeda, khususnya kontrol 0-20 ', 20'-40' stimulus, 40'-60 'setelah stimulus.

Secara visual, saya melihat perubahan dalam spektogram selama 3 periode ini, dengan frekuensi yang lebih tinggi dan daya FFT yang meningkat selama perawatan, tetapi saya bertanya-tanya apakah ada semacam analisis statistik yang dapat saya lakukan untuk "menaruh beberapa angka" di atasnya.

Ada saran?

EDIT: seperti yang disarankan saya akan menambahkan contoh dari data yang saya hadapi

Contoh STFT

Perawatannya antara 20 'dan 40', seperti yang Anda lihat itu menghasilkan peningkatan kekuatan FFT pada rentang frekuensi yang cukup luas. Saya memiliki 50-60 dari STFT ini untuk setiap percobaan (untuk 10 percobaan total). Saya dapat meratakan spektrum untuk setiap percobaan dan masih mendapatkan jenis pola yang sama. Sekarang, masalah saya adalah bagaimana mengukur dengan benar data yang saya miliki dan mungkin melakukan beberapa statistik untuk membandingkan sebelum, selama dan setelah perawatan.

— nico
sumber

Bagaimana dengan jumlah yang telah Anda sebutkan: (rata-rata) kekuatan selama periode tersebut; kekuatan dalam pita frekuensi tinggi? Ini adalah eksperimen yang direncanakan, jadi Anda pasti memiliki asumsi bagaimana periode akan berbeda. Ukuran yang baik akan peka terhadap jenis perbedaan yang Anda hipotesiskan.

— GaBorgulya

@ GaBorgulya: baik, saya berpikir untuk melakukan semacam histogram dari distribusi frekuensi di 3 blok, tapi saya tidak yakin bagaimana mengintegrasikan informasi daya di ...

— nico

Mengapa tidak membandingkan frekuensi rata-rata selama setiap periode dengan serangkaian uji?

— Brandon Bertelsen

Saya pikir pertanyaan ini dapat diperbaiki dengan memberikan lebih banyak informasi. Itu kemungkinan akan menarik lebih banyak minat juga. Berikut adalah beberapa saran untuk penambahan: (a) pertimbangkan untuk menyediakan contoh plot spektogram, (b) jelaskan apa yang Anda maksudkan dengan "letakkan beberapa angka di atasnya", (c) berikan detail pada waktu windowing yang Anda lakukan untuk Analisis FFT, (d) memberikan jumlah subjek, laju sampling, dan apa stimulusnya. Apakah kekuatan keseluruhan kuantitas yang diminati, kekuatan dalam beberapa pita frekuensi, atau yang lainnya?

— kardinal

Saya pikir penggunaan spektrogram secara visual menarik tetapi tidak terlalu jelas untuk dieksploitasi karena redundensi informasi sepanjang frekuensi. Apa yang bisa kita lihat adalah bahwa perubahan antar periode sudah jelas. Juga saya akan kembali ke masalah awal di mana Anda memiliki selama 3 periode waktu yang berbeda diindeks oleh $k=1,2,3$ satu set $n$ ( $n=50$ ) sinyal panjang $T>0$ : $i=1,\dots,n\; \; X^{k}_i\in \mathbb{R}^T$ .

Dari sini saya hanya akan melakukan semacam "Fungsional ANOVA" (atau "multivarian ANOVA"):

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

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

dan uji untuk perbedaan dalam uji rata-rata yaitu $\beta_1-\beta_2=0$ melawan $\|\beta_1-\beta_2\|>\rho$ .

Anda mungkin tertarik pada makalah ini juga makalah ini melibatkan pemodelan FANOVA yang berbeda. Poin sulit dalam kasus Anda yang sebenarnya mungkin adalah bahwa semua asumsi yang dibuat dalam makalah ini salah (homoseksualitas, atau stasioneritas, ...) dan Anda mungkin perlu membangun tes "fungsional" yang berbeda yang disesuaikan dengan masalah Anda.

Perhatikan bahwa ide Anda untuk menggunakan analisis multiskala tidak hilang di sini karena Anda dapat mengintegrasikannya dalam tes (jika saya ingat itu adalah apa yang dilakukan dalam makalah pertama yang saya sebutkan).

— robin girard
sumber

Terima kasih robin, ini sepertinya petunjuk yang bagus. Saya akan melihat kertas-kertas itu.

— nico

@nico jika Anda ingin membahas hal-hal dengan lebih detail, jangan ragu untuk menghubungi saya.

— robin girard