%--------------功能[WIC,A,W] = WICA(数据,varargin)------------------
%
%在数据矩阵(行向量)和后续小波上执行ICA
%阈值化以从计算的IC中移除低幅度活动。
%这对于在EEG(例如)中提取仅提取伪像IC的有用
然后从原始数据中减去伪影重建。
%
%代码是解释/实施:
%Castellanos&Makarov,J. Neurosci。方法。2006年
%
%>>>输入>>>
%所必需的:
%data =行格式的数据矩阵
%可选:
%type =“fastica”或“激进”......基于的两个不同的ICA算法
%熵。“Fastica”(默认)是参数,“激进”是非参数。
%mult =阈值乘数...将计算的阈值乘以
此数字的%“ddencmp”。更高的阈值=少
%“背景”(或低放大器。信号)保存在WIC中。
%绘图= 1或0.如果1,则绘制WiC与非小波阈值的IC
%FS =采样率,(用于绘制...默认= 1);
%L =静止小波变换的级别设置。更高的水平给予
频率分辨率的百分比,但时间分辨率较少。
%默认= 5
%wavename =小波家族使用。键入“wavenames”以查看列表
%可能的小波。(默认=“COIF5”);
%
%<<<输出<<<
%WiC =小波阈值IC
%A =混合矩阵(INV(W))(可选)
%w =解析矩阵(inv(a))(可选)
%IC =非小波IC(可选)
%
%*您可以重建伪影信号,如:
%神器= a * wiC;
% - 重建后,您可以从您的中减去伪影
%原始数据集以删除伪像。
%
%例子:
%n = rand(10,1000);
%a = [零(1,400),[。5,.8,1,2,2.4,2.5,3.5,5,6.3,4,3,3.2,3,1.7,1, - 。6,-2.2, -4,-3.6,-3,-1,0],零(1,578)];
%data = n + linspace(0,2,10)'* a;
%[WiC,A] = WICA(数据,[],5,1);
%ahat = a * wiC;
%nhat = data-ahat;
%err = sum(sqrt((nhat-n)。^ 2));
%
百分比,11/10/2015
%-------------------------------------------------------------------------------
引用
乔丹索科钦(2021年)。WICA(数据,varargin)(https://www.mathwands.com/matlabcentral/fileexchange/55413-wica-data-varargan),Matlab中央文件兑换。检索到。