我想使用周期性成分分析检测EEG通道中的周期性成分。我简要介绍了这个过程,因为算法并不是很有名。
我最小化周期性错误函数:error(τ)= E[s(t+τ) -s(t)] / E[s(t)^2]
,其中τ
是时滞。如果我定义矩阵A(τ)
,C
,error(τ)=(w'*A(τ)*w)/(w'*C*w) = Rayleigh(A(τ), C, w)
。
因此,它的最小值是(Α(τ)
,C
)的最小广义特征值,对于一定的时滞τ。
我运行piCA
一段时间滞后,通常我在最小化误差函数的局部最小值处检测周期分量的周期(使用最小的广义特征值)。
[E,W]=piCA( Xeeg, [minlag maxlag], 'pre', [1 1 1]);
它给出了所有对(W
,E
)的广义特征值的转换矩阵A[τ]
和矩阵C
。
是否有可能检测到正确的周期分量,在本地最小值为NOT时,用最小特征值BUT计算的函数具有第二个最小特征值?
见下图:
绿线显然是最小误差函数 所有时间都有滞后,但没有当地的最低要求 !!!因此,结果只能来自蓝线函数,蓝线函数是使用第二个最小特征值计算的。 :/