Background Issues 2- Filtering

Summary

Das 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

00:00

🔍 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.

Keywords

💡Fourier-Analysis

Fourier-Analysis ist eine Methode, die Signale oder Funktionen in ihre harmonischen Komponenten zerlegt, um sie besser zu verstehen und zu verarbeiten. Im Video wird sie hauptsächlich zur Diskussion von Filtern eingesetzt, die zur Datenaufbereitung in der Elektroenzephalografie (EEG) und Evoked Potential Response (ERP) verwendet werden.

💡Filter

Filter sind elektronische oder mathematische Geräte, die bestimmte Frequenzen in einem Signal zulassen und andere blockieren. Im Kontext des Videos werden verschiedene Arten von Filtern, wie Tiefpass-, Hochpass-, Bandpass- und Notchfilter, zur Veranschaulichung der Datenaufbereitung in der EEG- und ERP-Datenanalyse verwendet.

💡Tiefpassfilter

Ein Tiefpassfilter ist ein Filter, der niedrige Frequenzen durchlässt und höhere blockiert. Im Video wird ein Tiefpassfilter verwendet, um 60 Hz Rauschen aus elektronischen Geräten in der Aufnahmeumgebung zu entfernen und die Signalqualität zu verbessern.

💡Hochpassfilter

Hochpassfilter lassen höhere Frequenzen passieren und blockieren niedrigere. Im Video werden sie verwendet, um allmähliche Schwankungen im Roh-EEG zu entfernen, die von nicht-neuronalen Quellen wie Hautpotentialen stammen.

💡Bandpassfilter

Bandpassfilter lassen nur eine bestimmte Bandbreite von Frequenzen passieren und blockieren sowohl niedrige als auch hohe Frequenzen. Im Video wird ein Bandpassfilter als eine effiziente Methode beschrieben, um die gewünschten Frequenzen zu isolieren, ohne das Signal zweimal zu filtern.

💡Notchfilter

Notchfilter blockieren eine schmale Frequenzband und lassen alle anderen Frequenzen passieren. Im Video wird ein 50 Hz oder 60 Hz Notchfilter verwendet, um die von elektronischen Geräten in der Aufnahmeumgebung verursachte Störung zu eliminieren.

💡Frequenzantwortfunktion

Die Frequenzantwortfunktion ist ein Diagramm, das die Wirkung eines Filters im Frequenzbereich darstellt. Sie zeigt, welche Frequenzen durch den Filter passieren und welche blockiert werden, indem sie den Verhältnissatz zwischen Eingangs- und Ausgangsamplituden anzeigt.

💡Gewinn

Gewinn ist ein Maß für die Stärke der Signalübertragung durch einen Filter für eine bestimmte Frequenz. Im Video wird der Gewinn verwendet, um die Menge des Signals zu quantifizieren, das für jede Frequenz durch den Filter passiert, wobei 0 bedeutet, dass die Frequenz vollständig blockiert wird, und 1 bedeutet, dass die Frequenz vollständig passiert wird.

💡Halbamplitudencutoff

Halbamplitudencutoff ist der Punkt in der Frequenzantwortfunktion, an dem die Amplitude des Signals auf 50% des ursprünglichen Wertes reduziert wird. Im Video wird ein Tiefpassfilter mit einem Halbamplitudencutoff bei 30 Hz verwendet, um die Frequenzen darüber zu blockieren.

💡Rolloff

Rolloff beschreibt, wie schnell der Filter die Frequenzen abschwächt. Im Video wird der Rolloff durch die Steigung des Filters am steilsten Punkt quantifiziert, was hilft, den Effektivitätsbereich des Filters zu verstehen.

💡Fourier-Transformation

Die Fourier-Transformation ist eine mathematische Methode, die es ermöglicht, ein Signal aus der Zeitdomäne in die Frequenzdomäne zu übertragen. Im Video wird die Fourier-Transformation verwendet, um das Signal zu analysieren und zu filtern, bevor es mit der inversen Fourier-Transformation zurück in die Zeitdomäne transformiert wird.

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.