Cel: Dekompozycja sygnału na funkcje modów własnych.
Metoda: EMD (empiryczna dekompozycja modów) z maksymalnie 5 modami.
Jak to działa:
- Sygnał jest dekomponowany na mody własne za pomocą algorytmu EMD.
-
Lista rozwijana zawiera 6 wartości:
-
IMF: nie stosuje się żadnej dekompozycji; sygnał pozostaje niezmieniony
- 1: mod 1
- 2: mod 2
- 3: mod 3
- 4: mod 4
- 5: mod 5
- Jeśli wybrano konkretny mod, używany jest tylko ten mod:
signal = imf(:, selected_mode)
Zastosowania:
- Izolowanie określonych składowych częstotliwościowych
- Usuwanie dryfu linii bazowej
- Analiza procesów nieliniowych i niestacjonarnych
Fizjologiczne wyjaśnienie EMD:
Empiryczna dekompozycja modów to metoda rozkładu sygnału na „mody własne” bez użycia predefiniowanych funkcji bazowych (w odróżnieniu od transformaty Fouriera).
Czym są mody:
- Mody to oscylacyjne składowe sygnału, które mają znaczenie fizyczne.
- Każdy mod ma własną częstotliwość i amplitudę.
- Mody dopasowują się do danych (nie są stałymi częstotliwościami, jak w analizie Fouriera).
Znaczenie fizjologiczne:
- Mod 1 (wysokoczęstotliwościowy): najszybsze składowe, możliwy szum
- Mody 2–3: główne rytmy (alfa, beta)
- Mod 4: wolniejsze składowe, szczegóły sygnału
- Mod 5 (niskoczęstotliwościowy): wolne zmiany, dryf linii bazowej i ewentualnie artefakty
Dlaczego warto stosować konkretny mod:
- Usuwanie dryfu: Mod 5 często zawiera dryf linii bazowej (spowodowany poceniem się lub przemieszczeniem elektrody).
- Izolowanie rytmu: Konkretny mod może zawierać interesujący nas rytm (na przykład alfa).
- Usuwanie artefaktów: Niektóre mody mogą zawierać artefakty, które można wykluczyć.
Zalety EMD:
- Adaptacyjność: mody dopasowują się do sygnału
- Nieliniowość: możliwa jest analiza procesów nieliniowych
- Niestacjonarność: działa z sygnałami, których właściwości zmieniają się w czasie