Saltar al contenido principal
LibreTexts Español

4: Filtrado de EEG y ERPs

  • Page ID
    151757
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Objetivos de aprendizaje

    En este capítulo, aprenderás a:

    • Comparar el contenido de frecuencia de una forma de onda ERP con la función de respuesta de frecuencia de un filtro para predecir qué tan bien atenuará el filtro el ruido en los datos
    • Determinar la función de respuesta al impulso de un filtro y conceptualizar el filtrado como un proceso que reemplaza cada punto en la forma de onda no filtrada con una copia escalada de esta función
    • Piense en una forma de onda ERP como una serie de impulsos, uno en cada momento
    • Predecir cómo un filtro distorsionará una forma de onda ERP sobre la base de la función de respuesta al impulso del filtro
    • Seleccionar parámetros de filtro que proporcionen el mejor equilibrio entre la reducción de ruido y la distorsión de la forma de onda
    • Cree formas de onda artificiales y filtrarlas para ver cómo un filtro podría estar distorsionando sus datos

    Debe usar filtros en experimentos ERP. Como mínimo, su amplificador incluye un filtro antialiasing que debe usarse antes de digitalizar el EEG. En casi todos los experimentos ERP, el filtrado adicional es importante para reducir las fuentes de ruido que de otro modo crearían un gran error de medición y reducirían su potencia estadística. Sin embargo, cuando los filtros son mal utilizados, pueden distorsionar drásticamente sus datos, lo que lleva a conclusiones incorrectas. Como resultado, es de vital importancia que entienda cómo funcionan los filtros y las condiciones bajo las cuales pueden producir una distorsión significativa de sus formas de onda ERP.

    Para la mayoría de los investigadores de ERP, no hay tema más aburrido que filtrar. En el núcleo del filtrado se encuentra una operación matemática llamada convolución. ¡Hasta la palabra “convolución” suena complicada y aburrida!

    Sin embargo, puede obtener una comprensión razonable del filtrado al ver cómo funciona visualmente la convolución, sin ver nunca una ecuación. Este capítulo te lleva a través de un conjunto de ejercicios que te mostrarán cómo se utilizan las circunvoluciones para filtrar sin ninguna ecuación. Si quieres una descripción más detallada del filtrado, deberías leer Capítulo 7 en Suerte (2014). Si quieres entender las matemáticas, puedes leer el Capítulo 12 en Suerte (2014), que está disponible de forma gratuita en línea.


    This page titled 4: Filtrado de EEG y ERPs is shared under a CC BY 4.0 license and was authored, remixed, and/or curated by Steven J Luck directly on the LibreTexts platform.