时间序列脑电图重采样以解决电压分辨率差的问题？答案

【问题标题】：Time-series EEG Resampling to Fix Poor Voltage Resolution?时间序列脑电图重采样以解决电压分辨率差的问题？
【发布时间】：2018-12-03 15:28:37
【问题描述】：

我在加州犯了一个非常严重的错误。 14 次脑电图记录——我以 10uV 分辨率 @ 5000 Hz 而不是 0.1 uV @ 500 Hz 记录。我正在进行一项 ERP 实验，感兴趣的信号约为 5 uV。我想知道是否有任何方法可以对电压进行上采样，因为我的时间序列数据点比我需要的多..？某种插值？

我看过很多关于从 500 赫兹到 1000 赫兹的上采样的帖子，但不确定主体是否相同？

这代表了大约 42 小时的记录时间，我很想知道我是否可以从这些记录中恢复任何可用数据，或者我是否必须尝试让参与者重新加入（有一个治疗登记截止日期，这意味着我不能简单地获取更多数据）。非常感谢，

【问题讨论】：

欢迎来到 SO。您提到需要上采样（提高采样率），但还需要从 5000 Hz 到 500 Hz。是哪种情况？您是不是指的是下采样（5000 到 500 Hz）？
嗨迈克尔，感谢您的回复。关键问题是电压测量的分辨率很低。第二个问题是采样率也很高——这对我正在做的事情来说不是一个大问题，只是没有必要。我主要关心的是尝试对电压测量值进行插值——随后的下采样会很好，但不是必需的。

标签： python pandas matlab signal-processing eeglab

【解决方案1】：

提高信号分辨率的一种方法是使用信号平均。这意味着您应用滑动窗口过滤器。在您的情况下，这将是一个长度为 10 的滤波器，因为您的信号被过采样了 10 倍。您不能使用长度超过 10 的滤波器，因为您实际上可能会过滤掉您感兴趣的信息。现在，在这里是问题。无论这个平均值会给您带来什么改进（取决于噪声是否为零均值高斯分布），都不足以让您达到所需的 0.1V 分辨率。在我看来，您将需要重做实验。这是一篇您可能会觉得有趣的帖子https://dsp.stackexchange.com/questions/48205/why-does-signal-averaging-reduces-noise-levels-by-more-than-sqrtn?rq=1

【讨论】：

非常感谢——说清楚，过采样因子和分辨率变化之间有什么关系？是否只是 sqrt(n)，其中 n 是过采样因子？我记得在 Luck 的书中读到，低至 250 Hz 的采样率足以用于 ERP 研究，所以如果我的理解是正确的，我认为这意味着最大 5 倍的改进，而不是我需要的 100 倍？我认为我的方法是尝试您的建议，看看我是否可以恢复我感兴趣的 ERP 的签名时间过程和头皮分布。如果这可行，我会报告。干杯

【解决方案2】：

您将不得不重做实验。

虽然您确实有足够的时间分辨率，但这绝不会帮助您提高电压分辨率。由于录音设备以指定的分辨率执行模数转换quantization，这意味着您将有一半分辨率的不确定性（10uV/2 = 5 uV）。这在您想要测量的信号范围内，因此您想要查看的信号可能会跨越几个不同的级别（根据您提供的信息可能是 2 个级别）。

【讨论】：