這個波段主要是有可能軀體感覺皮層，進行乙個多通道的感覺輸入的i訊號處理，比如我們同時處理視覺和聽覺訊號的處理，而且γ波與我們記憶的形成有關
除此之外，還有乙個特殊的波段，8~12hz的mu波段主要是特指我們在感覺運動皮層的α段的活動，主要是跟運動相關，比如我們在執行單側肢體運動的時候，mu波段會在大腦感覺運動皮層同側的地方出現 乙個明顯的power值的增加，而對側就會有乙個power值的降低，所以說mu波段可以作為感覺運動皮層啟用或者失活的指標
當我們思維越活躍，大腦皮層出現的power值的頻率也會更加高
時間、空間、頻率、功率、相位
一般我們採取的eeg資料就是只有時間和空間電極導的資訊，我們需要一些方法提取出頻域方面的一些特徵資訊
為了提取出特徵我們需要通過一系列的頻譜 & 時頻分析方法
前面四個屬於譜分析的方法，後面屬於時頻分析方法
2.1、頻譜分析 vs 時頻分析
譜分析的圖反應出來的是在各個不同的頻段上面它的power值的分布，但是這個power值時間的變化情況是不能根據這個譜分析看出來的，所以我還需要進一步通過時頻分析，去看在各個頻段上面它的power值隨著時間進行怎樣的變化，如下面的圖所示
左邊是不同的頻段，右邊是代表不同power值的對應顏色，橫座標是乙個時間軸
根據上面這個原理，我們可以知道，可以從長度為n（樣本點）的時間序列中提取的頻率的數目是n/2 + 1（這個+1是用於零頻率的分量）
頻率解析度由資料段的長度（t）決定：rayleigh frquency = 1/t = ▲f = frequency resolution
案例
1、假如我的取樣頻率是1000hz，選擇段的長度是1s，那麼我能從這個1s的段裡面提取的最高的頻率是500hz，這個是符合第乙個定理的，那麼我的頻率解析度是1/1 = 1，也就是說在時長1s的段裡面，頻率解析度是1hz
2、假如我的取樣頻率是400hz，選擇段的長度是0.25s，那麼我能從這個0.25s的段裡面提取的最高的頻率是200hz，這個是符合第乙個定理的，那麼我的頻率解析度是1/0.25 = 4，也就是說在時長1s的段裡面，頻率解析度是4hz
傅利葉變換：通過計算訊號（如腦電資料）和不同頻率正弦波（kernel）之間的點積來工作
我們的腦電波是類似第乙個資料，我們想將這個腦電波進行傅里也變換，我們首先列出各個頻段的正弦波，然後進行帶點積運算，就提取出了各個頻段上面的各個power值資訊
雖然傅利葉蘊含的數學原理比較簡單，但是必須滿足乙個假設
優點：
侷限：
gibbs現象（截斷效應）：
我們通常分析的時候就是擷取其中的一段資料來進行分析，所以很多時候不可避免的出現這些截斷效應，那麼這些資料在進傅利葉變換之後就會出現下面的情況
窗函式
多窗譜的分析
採用多個窗函式（taper）並結合他們的特性，用於頻域平滑，即控制頻譜洩露
對於同一段腦電訊號，進行多個窗譜分析，最後進行平均得到資料的結果，但是一般是30hz以上的頻率才會用到這個多窗譜的分析
譜分析
tapering與spectral leakage
譜分析方法
時頻分析 短時傅利葉變換
目錄 1 傅利葉變換的缺陷 2 短時傅利葉變換 窗式傅利葉變換 3 小波部分 4 補充部分 fft在平穩訊號的分析和處理中有著突出貢獻的原因在於，人們利用它可以把複雜的時間訊號和空間訊號變換到頻率域中，然後用相對簡單的頻譜特性去分析和發現原訊號的動態特性。fft 正變換告訴我們 從時間 空間 訊號中...
時頻分析之短時傅利葉變換 STFT
目錄 一 stft 1.基本理論 2.spectrogram函式 3.頻率解析度和時間解析度 3.1解析度的影響因素 3.2提高頻率解析度的方法 二 matlab 參考文獻 傅利葉變換只反映出訊號在頻域的特性，無法在時域內對訊號進行分析。為了將時域和頻域相聯絡，gabor於1946年提出了短時傅利葉...
雷達對抗 頻率測量與頻譜分析 頻率搜尋與測頻技術
一 搜尋式超外差測頻技術 搜尋式超外差雷達測頻系統的基本組成如下所示。雷達訊號通過接收天線 低噪放進入微波預選器，微波預選器從密集的訊號環境中選出一定通帶內的雷達訊號送入混頻器，與本振電壓差拍變為中頻訊號 再經過中放 檢波器和視放，送給處理器 最後通過改變本振頻率實現頻率搜尋。在搜尋過程中，為了始終...