Applicare la trasformazione wavelet per analizzare il segnale EEG

Vorrei applicare la trasformata wavelet di Morlet per analizzare i miei segnali EEG. Ho molti segnali brevi ciascuno della durata di solo 1 minuto. e tutti registrati a 30Hz. Ho due domande:

1. Nel wavlet Morlet, qual è la scala migliore (alfa) da usare nel mio caso?
2. Informazioni sull'effetto bordo: come posso sapere / calcolare quale parte dei miei dati verrà danneggiata a causa dell '"effetto bordo" wavelet?

Non sono sicuro che tu stia parlando di Trasformazione Wavelet discreta (DWT) o Trasformazione Wavelet continua (CWT). Entrambi possono essere usati su segnali discreti in modo simile a DFT e DTFT, non sono sicuro se qualcuno la chiama invece la trasformata di Wavelet Time discreta. In ogni caso, la trasformata wavelet diadica è quella non ridondante (numero di campioni in numero di coefficienti in uscita), ed è quello che di solito assumiamo parlando di DWT.$=$

Sembra che tu debba fare un po 'più di lettura sulla trasformazione wavelet in generale, a causa della tua prima domanda. La trasformazione wavelet non funziona come la trasformata di Fourier; piuttosto, è simile alla Trasformata di Fourier di Short Time , che è una funzione di due variabili: frequenza e tempo. Allo stesso modo, la trasformazione wavelet è una funzione di scala e tempo. Ciò significa che non scegli una bilancia e non ti attieni. Passi attraverso molte scale (nel caso diadico si incrementano in potenze di due) e calcoli la trasformazione per ognuna.

Per rispondere alla tua seconda domanda, gli effetti collaterali di solito non sono così facili da gestire e ci sono molti articoli sull'argomento. Se vuoi semplicemente sapere quale parte del segnale trasformato sarà influenzato da loro, e sembra che sia quello che stai chiedendo, questo articolo ha una buona discussione. Una cosa da tenere a mente è che il DWT, come la trasformata discreta di Fourier, ha una simmetria di avvolgimento circolare, quindi trattare i bordi è indesiderabile se si spera di ottenere anche una perfetta trasformazione inversa. Puoi guardare questo documento per una discussione di questo, e anche un modo per eliminare artefatti sui bordi.