Při vyhodnocování ERP experimentů je naprosto nezbytné přesně určit amplitudu a latenci jednotlivých ERP komponent. Protože je EEG signál kvazi-stacionární, je nezbytné pro jeho analýzu použít časově-frekvenční metody, jako je waveletová transformace, krátkodobá Fourierova transformace, nebo matching pursuit. Dalším zástupcem metod časově-frekvenčně analýzy je Hilbert-Huangova transformace, která byla navržena přímo pro zpracování nestacionárních signálů.
V mé práci jsem navrhl několik modifikací Hilbert-Huangovy transformace, které umožní omezit tzv. overshoot efekt, který vzniká v průběhu vytváření obálek. S navrženými vylepšeními jsou přídavné extrémy lépe umístěny, tím je zajištěna vyšší rychlost rozkladu na intrinsic mode funkce a získané intrinsic mode funkce více odpovídají původnímu EEG signálu.
Anotace v angličtině
While evaluating ERP experiments, it is essential to determine the amplitude and latency of ERP components. Time-frequency domain methods, such as the wavelet transform, short-time discrete Fourier transform, matching pursuit, are usually used for this task, because the EEG signal is quasi-stationary. The Hilbert-Huang transform was designed to process non-stationary signals. Therefore, it should be suitable for processing EEG signals as well.
I have designed several modifications of the Hilbert-Huang transform, which restrain the over/undershoot effect occuring when envelopes are being calculated. My modifications contribute to better estimation of additional extrema and improve the results acquired from processing the EEG signal (even when it is contamined with artifacts). They make the empirical mode decomposition faster and the decomposed IMFs corresponds more with the original EEG signal.
Klíčová slova
HHT, EEG, ERP, Hilbert-Huangova transformace, zpracování signálů, detekce evokovaných potenciálů
Klíčová slova v angličtině
HHT, EEG, ERP, Hilbert-Huang transform, signal processing, ERP detection
Rozsah průvodní práce
88
Jazyk
AN
Anotace
Při vyhodnocování ERP experimentů je naprosto nezbytné přesně určit amplitudu a latenci jednotlivých ERP komponent. Protože je EEG signál kvazi-stacionární, je nezbytné pro jeho analýzu použít časově-frekvenční metody, jako je waveletová transformace, krátkodobá Fourierova transformace, nebo matching pursuit. Dalším zástupcem metod časově-frekvenčně analýzy je Hilbert-Huangova transformace, která byla navržena přímo pro zpracování nestacionárních signálů.
V mé práci jsem navrhl několik modifikací Hilbert-Huangovy transformace, které umožní omezit tzv. overshoot efekt, který vzniká v průběhu vytváření obálek. S navrženými vylepšeními jsou přídavné extrémy lépe umístěny, tím je zajištěna vyšší rychlost rozkladu na intrinsic mode funkce a získané intrinsic mode funkce více odpovídají původnímu EEG signálu.
Anotace v angličtině
While evaluating ERP experiments, it is essential to determine the amplitude and latency of ERP components. Time-frequency domain methods, such as the wavelet transform, short-time discrete Fourier transform, matching pursuit, are usually used for this task, because the EEG signal is quasi-stationary. The Hilbert-Huang transform was designed to process non-stationary signals. Therefore, it should be suitable for processing EEG signals as well.
I have designed several modifications of the Hilbert-Huang transform, which restrain the over/undershoot effect occuring when envelopes are being calculated. My modifications contribute to better estimation of additional extrema and improve the results acquired from processing the EEG signal (even when it is contamined with artifacts). They make the empirical mode decomposition faster and the decomposed IMFs corresponds more with the original EEG signal.
Klíčová slova
HHT, EEG, ERP, Hilbert-Huangova transformace, zpracování signálů, detekce evokovaných potenciálů
Klíčová slova v angličtině
HHT, EEG, ERP, Hilbert-Huang transform, signal processing, ERP detection