Background Issues 2- Filtering
Summary
TLDRDas Video erklärt die Anwendung der Fourier-Analyse beim Filtern von EEG- oder ERP-Daten. Es beschreibt vier Haupttypen von Filtern: Tiefpassfilter, die niedrige Frequenzen durchlassen; Hochpassfilter, die hohe Frequenzen durchlassen; Bandpassfilter, die sowohl niedrige als auch hohe Frequenzen blockieren und eine Zwischenbandbreite durchlassen; und Kerbfilter, die eine schmale Frequenzbandbreite blockieren. Es wird gezeigt, wie Filter in der Frequenzdomäne beschrieben werden und wie sie mit der Fourier-Transformation kombiniert werden, um ein kontaminiertes Signal zu bereinigen und Störungen zu entfernen.
Takeaways
- 🔍 Fourier-Analyse ist eine Methode zur Datenfilterung, die in der Elektroenzephalographie (EEG) und Event-Related Potentials (ERP) Anwendung findet.
- 🛠️ Es gibt vier Hauptfiltertypen: Tiefpassfilter, Hochpassfilter, Bandpassfilter und Notchfilter, die jeweils unterschiedliche Frequenzbereiche bearbeiten.
- 🌀 Ein Tiefpassfilter lässt niedrige Frequenzen zu und blockiert hohe Frequenzen, wie zum Beispiel das Rauschen von 60 Hz, das von elektronischen Geräten stammt.
- 🔄 Ein Hochpassfilter entfernt progressive Veränderungen im Signal, die von nicht-neuronalen Quellen wie Hautpotentialen verursacht werden können.
- 🎶 Bandpassfilter kombinieren die Funktionsweise von Tief- und Hochpassfiltern, um einen mittleren Frequenzbereich zu übertragen.
- 🔗 Notchfilter blockieren einen schmalen Frequenzbereich, um zum Beispiel das 50 Hz oder 60 Hz Rauschen von Stromversorgungen zu eliminieren.
- 📊 Die Frequenzantwortfunktion zeigt den Verlauf der Verstärkung (Gain) im Frequenzbereich, wobei X-Achse die Frequenz und Y-Achse die Verstärkung darstellt.
- 📉 Die Verstärkung gibt den Anteil des Signals an, den der Filter für eine bestimmte Frequenz überträgt, wobei 0 vollständig blockiert und 1 vollständig übertragen bedeutet.
- ⚙️ Die Frequenz, bei der die Signalamplitude um 50% reduziert ist, wird als halbemplitude Cutoff bezeichnet, z.B. bei 30 Hz.
- 📉 Der Rolloff beschreibt, wie schnell der Filter abfällt und wird oft durch die Steigung am steilsten Teil des Filters gemessen, z.B. 12 Dezibel pro Oktave.
- 🔧 Die Fourier-Transformation wandelt das Signal in den Frequenzbereich, wo die Frequenzantwortfunktion angewendet wird, um die gewünschten Frequenzen zu übertragen.
- ↔️ Die inverse Fourier-Transformation kehrt die verarbeiteten Daten zurück in den Zeitbereich, um das gefilterte ERP-Signal zu erhalten.
Q & A
Was ist eine der Hauptanwendungen der Fourier-Analyse?
-Eine der Hauptanwendungen der Fourier-Analyse ist das Filtern von Signalen, insbesondere von EEG- oder ERP-Daten.
Welche vier Hauptklassen von Filtern werden normalerweise auf EEG- oder ERP-Daten angewendet?
-Die vier Hauptklassen von Filtern sind Tiefpassfilter, Hochpassfilter, Bandpassfilter und Notchfilter.
Was ist ein Tiefpassfilter und was verändert er an einem Signal?
-Ein Tiefpassfilter lässt niedrige Frequenzen zu und blockiert hohe Frequenzen. Er entfernt z.B. 60 Hz Rauschen aus elektronischen Geräten im Aufnahmeumfeld.
Was ist der Zweck eines Hochpassfilters?
-Ein Hochpassfilter verhindert, dass niedrige Frequenzen, die von nicht-neuronalen Quellen wie Hautpotentialen stammen, das Signal verzerren.
Was ist ein Bandpassfilter und wie funktioniert er?
-Ein Bandpassfilter blockiert sowohl niedrige als auch hohe Frequenzen und lässt nur eine mittlere Frequenzbandbreite zu. Er ist äquivalent dazu, einen Hoch- und einen Tiefpassfilter nacheinander anzuwenden.
Was ist ein Notchfilter und wofür wird er verwendet?
-Ein Notchfilter blockiert ein schmales Frequenzband und wird verwendet, um z.B. das 50 Hz oder 60 Hz Rauschen von elektronischen Geräten im Aufnahmeumfeld zu entfernen.
Wie wird die Frequenzantwortfunktion beschrieben?
-Die Frequenzantwortfunktion zeigt die Verhältnisse, die ein Filter für eine bestimmte Frequenz zulässt, auf der Frequenzachse und der Verstärkung auf der Y-Achse, die von Null bis Eins reicht.
Was bedeutet eine Verstärkung von Null in der Frequenzantwortfunktion?
-Eine Verstärkung von Null bedeutet, dass die Frequenz vollständig blockiert wird, während eine Verstärkung von Eins bedeutet, dass die Frequenz vollständig durchgelassen wird.
Wie wird die Kippfläche eines Filters beschrieben?
-Die Kippfläche eines Filters beschreibt, wie schnell der Filter abfällt und wird normalerweise durch die Steigung am steilsten Teil des Filters in Dezibel pro Oktave angegeben.
Was passiert, wenn ein ERP-Signal mit 60 Hz Rauschen verunreinigt ist und wie wird es gefiltert?
-Durch die Fourier-Transformation in den Frequenzbereich, Multiplikation mit der Frequenzantwortfunktion und die inverse Fourier-Transformation zurück in den Zeitbereich wird das Rauschen entfernt.
Warum ist ein sanftes Abfallen der Frequenzantwortfunktion nützlich?
-Ein sanftes Abfallen verhindert Verzerrungen im Zeitbereich, die bei einem scharfen Abfall der Frequenzantwortfunktion auftreten können.
Outlines
🔍 Fourier-Analyse und Filteranwendungen
Dieses Kapitel beschäftigt sich mit der Fourier-Analyse und ihren Hauptanwendungen, insbesondere dem Filtern von Signalen. Es werden vier Hauptfilterarten vorgestellt: Tiefpassfilter, die nur niedrige Frequenzen zulassen und hohe blockieren; Hochpassfilter, die umgekehrt wirken; Bandpassfilter, die eine mittlere Frequenzbandbreite zulassen; und Notchfilter, die ein schmales Frequenzband blockieren. Ein Beispiel zeigt, wie ein Tiefpassfilter einen 60 Hz Störsignal aus einem ERP-Signal entfernt. Die Frequenzzustandsfunktion, die die Verhältnisse der Signaldurchlassrate für verschiedene Frequenzen anzeigt, wird erklärt, sowie die Halbwertsfrequenz und die Roll-off-Geradheit, die die Geschwindigkeit des Abfallens der Filter beschreibt. Schließlich wird gezeigt, wie die Frequenzzustandsfunktion in Kombination mit der Fourier-Transformation verwendet wird, um Filterung durchzuführen.
Mindmap
Keywords
💡Fourier-Analysis
💡Filter
💡Tiefpassfilter
💡Hochpassfilter
💡Bandpassfilter
💡Notchfilter
💡Frequenzantwortfunktion
💡Gewinn
💡Halbamplitudencutoff
💡Rolloff
💡Fourier-Transformation
Highlights
Fourier analysis is a fundamental concept for understanding filtering applications.
There are four main classes of filters applied to EEG or ERP data: low-pass, high-pass, band-pass, and notch filters.
Low-pass filters pass low frequencies and block high frequencies, similar to an air filter.
High-pass filters are used to remove gradual drifts from non-neural sources by blocking frequencies below 0.1 Hz.
Band-pass filters allow an intermediate band of frequencies to pass, combining the effects of high-pass and low-pass filters.
Notch filters block a narrow band of frequencies, such as 50 Hz or 60 Hz, to remove electrical device noise.
The frequency response function graphically represents the gain of a filter across different frequencies.
Gain indicates the proportion of the signal passed by the filter for a given frequency.
A half-amplitude cutoff frequency is the point at which the signal is attenuated by 50%.
The rolloff of a filter describes how rapidly it drops off, often measured in decibels per octave.
A gradual rolloff is beneficial to avoid time-domain distortions caused by a sharp rolloff.
The Fourier transform is used to transform a waveform into the frequency domain for filtering.
Filtering involves multiplying the frequency response function by the amplitude of corresponding frequencies in the Fourier transform.
The inverse Fourier transform is used to convert the filtered data back into the time domain.
Filtered ERP waveforms retain their original shape while eliminating high-frequency noise.
Custom frequency response functions can be designed to create any desired filter type.
Transcripts
Now that you know a little about Fourier analysis, we can talk about one of the main applications,
filtering. There are lots of different kinds of filters, but there are four main classes
that are usually applied to EEG or ERP data. First, we have low-pass filters. Filters are
named after what they pass, not after what they block, so a low-pass filter passes low
frequencies and blocks high frequencies. This is like an air filter, which passes the air
and blocks out all the gunk that’s contaminating the air.
Here’s an ERP waveform that’s contaminated with 60 Hz noise from the electrical devices
in the recording environment. And here’s the same waveform after we’ve filtered out
everything above 30 Hz. You can see that the waveform is basically
the same, but the high-frequency ripples are now gone.
A second class of filters are high-pass filters, which pass the higher frequencies and block
the lower frequencies. We usually apply high-pass filters to the raw EEG, blocking everything
below around .1 Hz to get rid of gradual drifts that arise from non-neural sources like skin
potentials. These low frequencies cause large drifts in
the signal. But a high-pass filter can remove those drifts, leaving the rest of the signal
intact. We also have band-pass filters. They filter
out both the low and high frequencies, passing an intermediate band of frequencies. This
is equivalent to applying a high-pass filter and then applying a low-pass filter. But instead
of filtering twice, we can just filter once with a bandpass filter.
Finally, we have notch filters. A notch filter blocks a narrow band of frequencies. For example,
if you’re in Europe, your AC electricity runs at 50 Hz, and you might want to apply
at 50 Hz notch filter to remove the noise induced by the electrical devices in the recording
environment. Or you might use a 60 Hz notch filter if you’re in North America.
Filters are often described in the frequency domain by showing the frequency response function.
The X axis is frequency and the Y axis is gain, which goes from zero to one.
The gain indicates the proportion of the signal that the filter passes for a given frequency.
A gain of zero means that frequency is completely blocked, a value of one means that frequency
is completely passed, and a value of .75 means that frequency is reduced to 75% of its original
strength. The frequency response function shown here
is a low-pass filter: The low frequencies have a gain near 1 and are passed, and the
gain drops to zero for the higher frequencies. Filters are often summarized by the frequency
at which the signal is attenuated by 50%. This filter hits the 50% point at 30 Hz, so
we’d say that it has a half-amplitude cutoff at 30 Hz.
We can also quantify the rolloff of the filter, which is how rapidly the filter drops off.
We usually do this by giving the slope at the steepest part of the filter. This filter
has a slope of 12 decibels per octave. You may be wondering why the frequency response
function drops off so slowly. As we’ll discuss in a minute, a gradually rolloff like this
is useful because it avoids time-domain distortions that can happen with a sharp rolloff.
Now let’s see exactly how the frequency response function can be combined with the
Fourier transform to implement filtering. Here’s an ERP waveform that’s contaminated
with 60 Hz noise. If you counted, you’d see 6 peaks in a 100-ms period, which means
that that are 60 cycles per second. Our first step in filtering is to use Fourier
analysis to transform the waveform into the frequency domain. You can see the high level
of 60 Hz activity in the transform. Now, here’s our frequency response function.
The gain at a given frequency quantifies the amount that each frequency will pass. If the
value is .9, then .9 of the activity will pass. So, we can just multiply each gain value
in the frequency response function by the amplitude at the corresponding frequency in
the Fourier transform of the ERP. This gives us the filtered data in the frequency
domain. Notice that the low frequencies aren’t changed by very much, but the 60 Hz is nearly
eliminated. We then use the inverse Fourier transform
to take the filtered data back into the time domain. Voila! We have a filtered ERP waveform
that looks a lot like the original waveform, except that the high-frequency noise is gone.
You can use any frequency response function you want. It can attenuate the low frequencies,
both the low and high frequencies, or take out a notch somewhere in the middle. So we
can use this approach to create any kind of filter we want.
Ver Más Videos Relacionados
Producer:Basics – EQ in der Praxis: Vocals & Drums | The Producer Network
Frag Fred: Was sind Cookies? | Kindervideos | SRF Kids
Wie kannst du diese Nomen und Verben verstärken? (Deutsch B2, C1)
ASMR ~ Analisando a simetria do seu rosto ✨Tapping na tela, medidas, atenção pessoal, etc…
Generative KI auf den Punkt gebracht – Wie man im KI-Zeitalter besteht und erfolgreich ist (AI dub)
Power BI Tutorial für Anfänger in 25 Minuten! (Deutsch / German)
5.0 / 5 (0 votes)