{"id":7440,"date":"2026-09-03T15:40:59","date_gmt":"2026-09-03T13:40:59","guid":{"rendered":"https:\/\/cleverpoint.pro\/docs\/uncategorized\/metody-analizy-widmowej\/"},"modified":"2026-09-03T15:40:59","modified_gmt":"2026-09-03T13:40:59","password":"","slug":"metody-analizy-widmowej","status":"publish","type":"docs","link":"https:\/\/cleverpoint.pro\/pl\/docs\/interfejs-dziedzina-czestotliwosci\/metody-analizy-widmowej\/","title":{"rendered":"4.4. Metody analizy widmowej"},"content":{"rendered":"\n<h3 class=\"wp-block-heading\">4.4.1. Fourier (STFT \u2014 kr\u00f3tkoczasowa transformata Fouriera)<\/h3>\n\n\n\n<p><strong>Metoda:<\/strong> Spektrogram z u\u017cyciem okienkowanej FFT.<\/p>\n\n\n\n<p><strong>Parametry:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Okno: Hamming<\/li>\n\n\n\n<li>D\u0142ugo\u015b\u0107 okna:<br><code>window = Fs * window_length_seconds<\/code><\/li>\n\n\n\n<li>Zachodzenie okien:<br><code>nooverlap = window - 25<br>(dla zapewnienia g\u0142adko\u015bci)<\/code><\/li>\n<\/ul>\n\n\n\n<p><strong>Wz\u00f3r:<\/strong><br><code>[S, F, T, P] = spectrogram(signal, hamming(window), nooverlap, window, Fs, 'power', 'yaxis')<\/code><\/p>\n\n\n\n<p><strong>Wy\u015bwietlanie:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>O\u015b X: czas<\/li>\n\n\n\n<li>O\u015b Y: cz\u0119stotliwo\u015b\u0107 (0\u201350 Hz)<\/li>\n\n\n\n<li>Kolor: moc w skali logarytmicznej (<strong>10*log10(P)<\/strong>)<\/li>\n\n\n\n<li>Zakres kolor\u00f3w: od -15 do 25 dB<\/li>\n<\/ul>\n\n\n\n<p><strong>Interpretacja:<\/strong> Pokazuje, jak moc sygna\u0142u rozk\u0142ada si\u0119 na cz\u0119stotliwo\u015bci w czasie. Ja\u015bniejsze kolory = wy\u017csza moc.<\/p>\n\n\n\n<p><strong>Jak odczytywa\u0107 spektrogram:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>O\u015b pozioma (X): czas zapisu<\/li>\n\n\n\n<li>O\u015b pionowa (Y): cz\u0119stotliwo\u015b\u0107 (0\u201350 Hz)<\/li>\n\n\n\n<li>Kolor: moc (ja\u015bniejszy = wi\u0119cej mocy)<\/li>\n<\/ul>\n\n\n\n<p><strong>Typowe wzorce:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Pasma poziome:<\/strong> stabilne rytmy\n<ul class=\"wp-block-list\">\n<li>pasmo przy 10 Hz = rytm alfa (odpr\u0119\u017cenie)<\/li>\n\n\n\n<li>pasmo przy 20 Hz = rytm beta (aktywno\u015b\u0107)<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Pasma pionowe:<\/strong> kr\u00f3tkie zdarzenia\n<ul class=\"wp-block-list\">\n<li>artefakty mrugni\u0119\u0107 (niskie cz\u0119stotliwo\u015bci, kr\u00f3tki czas trwania)<\/li>\n\n\n\n<li>artefakty mi\u0119\u015bniowe (wysokie cz\u0119stotliwo\u015bci, kr\u00f3tki czas trwania)<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li><strong>Zmiany w czasie:<\/strong> przej\u015bcia mi\u0119dzy stanami\n<ul class=\"wp-block-list\">\n<li>przej\u015bcie z alfa do beta przy otwieraniu oczu<\/li>\n\n\n\n<li>przej\u015bcie z beta do alfa przy zamykaniu oczu<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n<p><strong>Interpretacja fizjologiczna:<\/strong><\/p>\n\n\n\n<p>Spektrogram jest \u201emap\u0105\u201d aktywno\u015bci m\u00f3zgu w czasie i cz\u0119stotliwo\u015bci. Pokazuje, kt\u00f3re sk\u0142adowe cz\u0119stotliwo\u015bciowe s\u0105 obecne w danym momencie.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Jasne pasmo w zakresie alfa (8\u201313 Hz): stan odpr\u0119\u017cenia, oczy zamkni\u0119te<\/li>\n\n\n\n<li>Jasne pasmo w zakresie beta (13\u201330 Hz): aktywne my\u015blenie, koncentracja<\/li>\n\n\n\n<li>Niska moc we wszystkich zakresach: mo\u017cliwe artefakty lub patologia<\/li>\n\n\n\n<li>Gwa\u0142towne zmiany: przej\u015bcia mi\u0119dzy stanami, reakcje na bod\u017ace<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">4.4.2. Falka (Wavelet)<\/h3>\n\n\n\n<p><strong>Metoda:<\/strong> Pakietowa dekompozycja falkowa (Wavelet Packet Decomposition).<\/p>\n\n\n\n<p><strong>Parametry:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Poziom dekompozycji: 8<\/li>\n\n\n\n<li>Typ falki: wybierany z listy (na przyk\u0142ad <strong>db4, coif2, sym4<\/strong>)<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image size-full border-inline\"><img data-dominant-color=\"b28169\" data-has-transparency=\"true\" style=\"--dominant-color: #b28169;\" loading=\"lazy\" decoding=\"async\" width=\"790\" height=\"509\" src=\"https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30.png\" alt=\"Spectrogram panel with the wavelet-type dropdown open, listing options such as db20, db40, coif2 (selected), sym4, sym8 and morl, with numbered callouts for the wavelet selector (1) and playback buttons (2), above the resulting time-frequency heatmap.\" class=\"wp-image-5015 has-transparency\" srcset=\"https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30.png 790w, https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30-300x193.png 300w, https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30-768x495.png 768w, https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30-360x232.png 360w, https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30-116x75.png 116w, https:\/\/cleverpoint.pro\/wp-content\/uploads\/2026\/03\/image-30-480x309.png 480w\" sizes=\"auto, (max-width:767px) 480px, (max-width:790px) 100vw, 790px\" \/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>1. Typ falki: wybierz z listy rozwijanej<\/li>\n\n\n\n<li>2. Przyciski przeliczenia danych<\/li>\n<\/ul>\n\n\n\n<p><strong>Wz\u00f3r:<\/strong><br><code>wpt = wpdec(signal, 8, wavelet_type)<br>[P, T, F] = wpspectrum(wpt, Fs)<br>P = flipud(P)<\/code><\/p>\n\n\n\n<p><strong>Interpretacja:<\/strong> Podobna do STFT, ale z lepsz\u0105 rozdzielczo\u015bci\u0105 czasow\u0105 przy wysokich cz\u0119stotliwo\u015bciach i lepsz\u0105 rozdzielczo\u015bci\u0105 cz\u0119stotliwo\u015bciow\u0105 przy niskich cz\u0119stotliwo\u015bciach.<\/p>\n\n\n\n<p><strong>Zalety dla EEG:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Wysokie cz\u0119stotliwo\u015bci (beta, gamma): kr\u00f3tkie okna pozwalaj\u0105 dok\u0142adnie okre\u015bli\u0107 moment zdarzenia<\/li>\n\n\n\n<li>Niskie cz\u0119stotliwo\u015bci (alfa, theta): d\u0142ugie okna zapewniaj\u0105 lepsz\u0105 rozdzielczo\u015b\u0107 cz\u0119stotliwo\u015bciow\u0105<\/li>\n<\/ul>\n\n\n\n<p><strong>Znaczenie fizjologiczne:<\/strong><\/p>\n\n\n\n<p>Przekszta\u0142cenie falkowe wykorzystuje okna o zmiennej d\u0142ugo\u015bci \u2014 kr\u00f3tkie okna dla wysokich cz\u0119stotliwo\u015bci i d\u0142ugie okna dla niskich cz\u0119stotliwo\u015bci. Dobrze odpowiada to sposobowi, w jaki m\u00f3zg przetwarza informacje.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Szybkie procesy (na przyk\u0142ad reakcja na bodziec) wymagaj\u0105 precyzyjnej rozdzielczo\u015bci czasowej.<\/li>\n\n\n\n<li>Wolne rytmy (na przyk\u0142ad alfa) wymagaj\u0105 precyzyjnej rozdzielczo\u015bci cz\u0119stotliwo\u015bciowej.<\/li>\n\n\n\n<li>Przekszta\u0142cenie falkowe zapewnia optymaln\u0105 r\u00f3wnowag\u0119.<\/li>\n<\/ul>\n\n\n\n<p><strong>Kiedy stosowa\u0107:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Do analizy szybkich zdarze\u0144 (reakcji na bod\u017ace)<\/li>\n\n\n\n<li>Do analizy wolnych rytm\u00f3w z du\u017c\u0105 precyzj\u0105<\/li>\n\n\n\n<li>Gdy jednocze\u015bnie potrzebna jest rozdzielczo\u015b\u0107 czasowa i cz\u0119stotliwo\u015bciowa<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">4.4.3. Hilbert (transformata Hilberta-Huanga)<\/h3>\n\n\n\n<p><strong>Metoda:<\/strong> Transformata Hilberta-Huanga (HHT) z u\u017cyciem EMD.<\/p>\n\n\n\n<p><strong>Parametry:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Rozdzielczo\u015b\u0107 cz\u0119stotliwo\u015bciowa: 1 Hz<\/li>\n<\/ul>\n\n\n\n<p><strong>Wz\u00f3r:<\/strong><br><code>[P, F, T] = hht(signal, Fs, 'FrequencyResolution', 1)<\/code><\/p>\n\n\n\n<p><strong>Interpretacja:<\/strong> Adaptacyjna dekompozycja na tryby w\u0142asne, a nast\u0119pnie analiza cz\u0119stotliwo\u015bci chwilowej. Odpowiednia dla sygna\u0142\u00f3w nieliniowych i niestacjonarnych.<\/p>\n\n\n\n<p><strong>Fizjologiczne wyja\u015bnienie HHT:<\/strong><\/p>\n\n\n\n<p>Transformata Hilberta-Huanga \u0142\u0105czy EMD (dekompozycj\u0119 na tryby) z analiz\u0105 cz\u0119stotliwo\u015bci chwilowej. Pozwala to \u015bledzi\u0107, jak zmienia si\u0119 w czasie cz\u0119stotliwo\u015b\u0107 danego rytmu.<\/p>\n\n\n\n<p><strong>Znaczenie fizjologiczne:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Cz\u0119stotliwo\u015b\u0107 rytmu alfa nie jest sta\u0142a; mo\u017ce \u201edryfowa\u0107\u201d od 8 do 13 Hz.<\/li>\n\n\n\n<li>HHT pokazuje te zmiany cz\u0119stotliwo\u015bci chwilowej.<\/li>\n\n\n\n<li>Jest to wa\u017cne dla zrozumienia dynamiki rytmu.<\/li>\n<\/ul>\n\n\n\n<p><strong>Zalety:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Adaptacyjno\u015b\u0107: dopasowuje si\u0119 do sygna\u0142u<\/li>\n\n\n\n<li>Nieliniowo\u015b\u0107: potrafi przetwarza\u0107 zjawiska nieliniowe<\/li>\n\n\n\n<li>Cz\u0119stotliwo\u015b\u0107 chwilowa: pokazuje zmiany cz\u0119stotliwo\u015bci w czasie<\/li>\n<\/ul>\n\n\n\n<p><strong>Kiedy stosowa\u0107:<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Do analizy sygna\u0142\u00f3w niestacjonarnych (kt\u00f3rych w\u0142a\u015bciwo\u015bci zmieniaj\u0105 si\u0119 w czasie)<\/li>\n\n\n\n<li>Do \u015bledzenia dryfu cz\u0119stotliwo\u015bci rytmu<\/li>\n\n\n\n<li>Do analizy z\u0142o\u017conych proces\u00f3w nieliniowych<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>4.4.1. Fourier (STFT \u2014 kr\u00f3tkoczasowa transformata Fouriera) Metoda: Spektrogram z u\u017cyciem okienkowanej FFT. Parametry: Wz\u00f3r:[S, F, T, P] = spectrogram(signal, hamming(window), nooverlap, window, Fs, 'power&#8217;, 'yaxis&#8217;)<span class=\"excerpt-hellip\"> [\u2026]<\/span><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","meta":{"footnotes":""},"doc_category":[1418],"doc_tag":[],"class_list":["post-7440","docs","type-docs","status-publish","hentry","doc_category-interfejs-dziedzina-czestotliwosci"],"year_month":"2026-09","word_count":631,"total_views":"10","reactions":{"happy":"0","normal":"0","sad":"0"},"author_info":{"name":"Vitaly","author_nicename":"vitaly","author_url":"https:\/\/cleverpoint.pro\/pl\/author\/vitaly\/"},"doc_category_info":[{"term_name":"4. Interfejs \u201eDziedzina cz\u0119stotliwo\u015bci\u201d","term_url":"https:\/\/cleverpoint.pro\/pl\/docs\/interfejs-dziedzina-czestotliwosci\/"}],"doc_tag_info":[],"knowledge_base_info":[],"knowledge_base_slug":[],"_links":{"self":[{"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/docs\/7440","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/docs"}],"about":[{"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/types\/docs"}],"author":[{"embeddable":true,"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/comments?post=7440"}],"version-history":[{"count":0,"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/docs\/7440\/revisions"}],"wp:attachment":[{"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/media?parent=7440"}],"wp:term":[{"taxonomy":"doc_category","embeddable":true,"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/doc_category?post=7440"},{"taxonomy":"doc_tag","embeddable":true,"href":"https:\/\/cleverpoint.pro\/pl\/wp-json\/wp\/v2\/doc_tag?post=7440"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}