Quelques points de rappel
Signal, fréquence, phase
Le signal en EEG
Un mélange de signaux générés par différentes sources + du bruit
Composantes fréquentielles (Delta, Theta, Alpha, Beta, Gamma, Mu …)
Pas nécessairement stationnaires – arrivée d'oscillations avec un délai plus ou
moins constant par rapport au stimulus, et avec une phase plus ou moins
constante
Figures : Ilan Dinstein, http://dinshi.com/?page_id=862 + Wiki EEGLab + FieldTrip workshop
Time-locked, phase-locked signals
Time-locked : arrivée de la réponse EEG avec un délai constant par rapport à la
stimulation (peu importe le contenu fréquentiel ou la phase)
Phase-locked : l'angle de phase est la même sur la réponse EEG au niveau de tous les essais (doit
être fortement "time-locked" pour être "phase-locked")
Si non phase-locked : l'événement à t = 0 s n'affecte pas les phases.
40 Hz Activité à 10 Hz
time-locked
(~950 s), mais
pas phase-
locked
1 Hz
Time +
phase-
locked
Workshop A. Delorm / Jung
http://sccn.ucsd.edu/eeglab/workshop06/handout/TP_Jung_Workshop_Time_Frequency_Analysis.pdf
Rappel 1 : caractériser
une onde
Période et phase
Le signal périodique
La période T = durée d’un cycle en secondes
1
La fréquence du phénomène f en nombre de cycle f
par seconde ou Hertz T
Des ondes sinusoïdales de différentes fréquences :
1 cycle
2 Hz
4 Hz
Amplitude
8 Hz
Durée = 1 s
Temps (s)
Du signal périodique en équation
La fonction sinus pour construire une onde
A la base, cette fonction exprime une longueur à partir d’un angle
x( )
Valeur de l’angle « Déroulage » du cercle sur
Déplacement sur un un plan en fonction de l’angle
cercle de rayon 1 en radian
x( ) sin
Illustration : L.V. Barbosa, Wikipedia gallery
Du signal périodique en équation
La fonction sinus pour construire une onde
x( )
x( ) sin
Illustration : L.V. Barbosa, Wikipedia gallery
Du signal périodique en équation
La fonction sinus pour construire une onde
x( )
x( ) sin
Illustration : L.V. Barbosa, Wikipedia gallery
Du signal périodique en équation
La fonction sinus pour construire une onde
x( )
x( ) sin
Illustration : L.V. Barbosa, Wikipedia gallery
Du signal périodique en équation
La fonction sinus pour construire une onde
x( )
x( ) sin
Illustration : L.V. Barbosa, Wikipedia gallery
Du signal périodique en équation
La fonction sinus pour construire une onde
x( )
2 <-> angle d’un
cycle entier (une
révolution)
x( ) sin
Illustration : L.V. Barbosa, Wikipedia gallery
Du signal périodique en équation
L’onde sinusoïdale, en fonction du temps
2
x(t ) x(t T ) x(t ) A sin t
Amplitude en T
fonction du
temps t L’argument (un angle,
en radian)
T : La période en s
Du signal périodique en équation
Exemple d’une onde sinusoïdale simple
Amplitude A : +- 2 2
Période T de 5 s x(t ) 2 sin t
5
Du signal périodique en équation
Ajout d’un déphasage
Où l’onde commence par rapport au cycle de l’oscillation
2
Avance de phase (le cycle est déjà commencé) x(t ) 2 sin t
5
ø ø = + 0.5 rad
ø = 0 rad
ø = - 0.5 rad
Retard de phase
ø ø = 0 rad
ø = /2 rad
(90°) Cosinus
"on a déroulé un peu
Représentation avec le
cercle des angles
trop en avance"
Du signal périodique en équation
Ajout d’un déphasage
2
Où l’onde commence par rapport au cycle de l’oscillation x(t ) 2 sin t
5
Avance de phase
(le cycle est déjà
commencé) ø = + 0.5 rad
ø = 0 rad
ø = - 0.5 rad
Retard de phase
θ ø = 0 rad
ø = - rad (180°)
Antiphase
Du signal périodique en équation
La représentation dans le monde complexe
La notation en exponentielle complexe est préférée car elle facilite les opérations
mathématiques sur les signaux
2
x(t ) A sin t
T
Formule de Moivre
2 e j cos( ) j sin( )
j t
x(t ) Ae T
Rappel 2 : analyse
de Fourier
Estimation du contenu fréquentiel
(amplitude et phase) d'un signal complexe
Vers une représentation fréquentielle
3 sinusoïdes
T=10 s f=0.1 Hz
T=5 s f=0.2 Hz
T=1 s f=1 Hz
Un signal périodique complexe obtenu par une simple combinaison linéaire d’ondes sinusoïdales
C'est le principe inverse de la décomposition en série de Fourier
L’idée à la base
Tout signal périodique continu peut être
représenté par une somme d’ondes sinusoïdales
correctement choisies *
Jean Baptiste
Joseph
Fourier, 1807
* Une somme d’un nombre infini de sinusoïdes de différentes périodes,
chacune affectée d’un coefficient (amplitude) et décalées en phase
DSP Guide, S.W. Smith [1]
L’idée à la base
Autrement dit :
Le signal est vu comme une combinaison linéaire d’ondes sinusoïdales élémentaires
Fréquence Amplitude Phase
contribution (avance, retard)
au signal
Représentation fréquentielle (spectre) :
-- amplitude en fonction des fréquences
Amplitude
Comme le principe du prisme :
Fréquence
la lumière blanche est -- phase en fonction des fréquences
Phase
décomposée en composantes
monochromatiques Phase à l'origine
(décalage initial)
Fréquence
La représentation fréquentielle
Signal
= somme des ondes sinusoïdales en bleu
Amplitude
Signal temporel
Spectre fréquentiel
"On déplie les ondes en bleu dans un espace 3D pour
pouvoir observer le spectre du signal rouge"
Illustration : L.V. Barbosa, Wikipedia gallery
La représentation fréquentielle
Les domaines temporels & fréquentiels
Façons alternatives de représenter le signal
Une modification dans un des domaines impact sur l’autre
Les transformations de Fourier = relations mathématiques entre ces deux représentations
Poids des
ondes
élémentaires
Amplitude
Signal temporel
Spectre fréquentiel
Transformée de Fourier
Illustration : L.V. Barbosa, Wikipedia gallery
Un aperçu de la théorie
La transformée de Fourier discrète
Somme sur tous les échantillons n
N 1
1
x[n] e
j 2 k n / N
X [k ]
N n0 Ondes sinusoïdales exprimées en exponentielle
complexe
Données dans Données dans
l’espace fréquentiel l’espace temporel
k : la fréquence Transformée de Fourier discrète
Discrete Fourier Transform
Amplitude (partie Réelle)
Phase (partie Imaginaire)
Le calcul en pratique :
L’algorithme Fast Fourier Transform FFT
Illustration : DSP Guide [1]
Un spectre simple
x[n] X[k]
TF
0.1 Hz
0.2 Hz
1 Hz
La représentation temps-fréquence
Les domaines temporels & fréquentiels
Pour garder une information sur le temps : TF effectuées au niveau de petites fenêtres
analysantes
(Spectre non contractuel…)
Résolution temporelle & fréquentielle
Fenêtre
d’analyse du
signal Δt
Plus la fenêtre est petite, moins on peut "voir" les basses fréquences.
Longueur de la fenêtre analysante => fréquences minimales calculables :
1
f min
t
Δt = 1 s => fmin = 1 Hz
Δt = 2 s => fmin = 0.5 Hz
Δt = 0.2 s => fmin = 5 Hz
Résolution temporelle & fréquentielle
Plus la fenêtre est petite, moins on peut "voir" les basses fréquences.
Plus la fenêtre est petite, plus on est précis en localisation temporelle.
Analyse classique (fenêtre analysante de Analyse multi-résolution (taille variant
taille fixe, glissante) en fonction de la gamme de fréquence)
Multitapers,
ondelettes
Illus. : FieldTrip tutorial
Rappel 3 : le signal,
en vrai
Il est discret !
Signal continu Signal discret
L’échantillonnage
L’effet du sous-échantillonnage (la décimation)
Nombre de
fw=10 cycles/s
points
20 pts
200
/cycles
10 pts
100
/cycles
2.5 pts 25
/cycles
Apparition d’un signal 1.1 pts 11
avec une fréquence /cycles
apparente plus faible que
celle du signal d’origine Alias
Un échantillonnage correctɇ
fw – continue = 10 cycles/s (10 Hz)
25 2.5 pts
/cycles
Malgré les apparences, la reconstruction du signal continu d’origine reste possible
Une seule onde possible passe par ces points
fNyquist
20 Hz
11 1.1 pts
/cycles
Alias
Reconstruction impossible
Une autre forme d’onde avec une fréquence ~ 0.9 Hz est possible
Echantillonnage et spectre
On ne peut estimer la fréquence d'un signal que si il est composé d'au moins 2 points par cycle
f sample
f Nyquist
x[n] 2 X[k]
TF
x[1]= 0 x[1]= 0.0000
x[2]= 0.1341 x[2]= 0.1599
x[3]= 0.2449 x[3]= 0.0950
x[4]= 0.3180 x[4]= 0.1585
x[5]= 0.3525 x[5]= 0.3220
. . . . . .
Taux d’échantillonnage : fS= 10 Hz Fréquence maximale calculable
½ fS = 5 Hz
Retour à nos
signaux EEG
Activités évoquée & induite
Technique des ERP : on conserve l'activité time-locked ET phase-locked
Passage dans le domaine "temps-fréquence" (Fourier fenêtrée, ondelettes) => activité
time-locked (pas forcément phase-locked)
Spectrogramme
basé sur le
spectre en
amplitude
Ondes en phase
conservées et
amplifiées
Ondes
déphasées
conservées dans
le domaine
fréquentiel
Tallon-Baudry & Bertrand,1999
Information sur la phase
Inter-Trial Coherence ou phase-locking factor : indice de la reproductibilité de la phase au
cours des essais, pour chaque composante fréquentielle
0 : phase jamais la même par essais -- 1 : phase identique pour tous les essais
ERSP = spectrogramme
normalisé (par le profil fréquentiel
moyen au niveau de la ligne de
base) – pas d'info sur la phase
Figures : Ilan Dinstein, http://dinshi.com/?page_id=862
Inter-trial coherence
A = 0.5 ;
Trial 1
ø = 0°
A = 1 ;
Trial 2
ø = 90°
A = 0.25 ;
Trial 3
ø = 180 °
Spectrogramme -> mean(A²)
Norme : 0.33 ITC -> mean(ø vector)
Phase : 90°
A. Delorme, EEGLab Workshop 2010
Inter-trial coherence
Consistent: ERP
conserve et amplifie la
forme
Pas d'info sur le
décalage de phase
entre les essais
Pas de consistence :
-- phases aléatoires à travers les essais
-- uniformes sur le cercle de phase
Place à l'analyse plus
pratique et avancée sur
EEGLab…
