Analýza signálů II

3. úloha - Extrakce popisných příznaků z EEG signálů

Dataset

V souboru eeg.mat (velikost 147MB) jsou uloženy celonoční spánkové EEG signály deseti osob (proměnné x01 až x10). Pro každou osobu je k dispozici jeden EEG signál, měřen mezi elektrodami O1 a A2 (viz 10–20 system). Všechny EEG signály byly snímány se vzorkovací frekvencí fs = 250Hz. Např. pro vykreslení EEG signálu první osoby je možné použít následující funkci: plot(x01(:))

Ve výše odkazovaném souboru jsou uloženy i klasifikační třídy od spánkového experta (proměnné c01 až c09). U osoby s pořadovým číslem 10 není přiložena informace o klasifikační třídě (proměnná c10 obsahuje pouze NaN hodnoty). To proto, že tyto hodnoty (třídy) budete v příští úloze predikovat.

Klasifikační třídy:

Signály byly spánkovým expertem hodnoceny po 30 s časových oknech a jsou již na tuto velikost nasegmentovány. Jednotlivé sloupce matic tedy obsahují jednotlivé segmenty EEG signálu. Např. proměnná x01 obsahuje matici velikosti 7500 x 911. Hodnota 7500 vzorků zde odpovídá 30s signálu (30s x fs = 30 * 250 = 7500). Hodnota 911 odpovídá celkovému počtu segmentů. Stejnou velikost (911) má také vektor s odpovídajícími klasifikačními třídami (v tomto případě proměnná c01).

Zadání úlohy

Pro všech 10 osob spočtěte pro každý 30 sekundový segment signálu příznaky, které by mohly co nejlépe odlišit třídy 0 a 1. Inspirovat se můžete příznaky, které jsou uvedeny ve slajdech z přednášek, nebo které najdete na internetu. Tímto způsobem spočtěte alespoň 6 různých příznaků. Pokud EEG signál obsahuje např. 911 segmentů, bude výsledkem extrakce příznaků nad tímto signálem matice velikosti 911 x N, kde N je počet extrahovaných příznaků, tedy např. 911 x 6.

Nad jednou libovolnou osobou vizualizujte vzájemný vztah mezi klasifikační třídou a každým vypočteným příznakem. Použijte např. graf typu scatter plot, nebo boxplot. Z těchto grafů musí být patrný rozdíl mezi hodnotami příznaků pro první a druhou klasifikační třídu.

Výstup

Grafy uložte do PDF formátu a společně s přiloženými zdrojovými kódy pošlete na adresu vaclav.gerla@cvut.cz

Nezapomeňte uvést názvy příznaků a vyznačit jednotlivé třídy (0, 1).