For each gait condition (standing,

For each gait condition (standing, slower walking, faster walking, running) and each
method of artifact removal (before artifact removal, after channel-based removal, after
further IC-based removal), we computed the power spectral density for each EEG
channel using Welch’s method. For illustrative purposes, we computed the power
spectral envelope for each subject, defined as the maximum and minimum spectral
17
density at each frequency over all EEG channels. We analyzed spectral power in the 1.5
Hz to 8.5 Hz range to assess the efficacy of the gait-related artifact removal methods.
This frequency band was selected because: 1) in all gait conditions for all subjects it
encompassed the step frequency and the first two harmonics of the step frequency, 2)
its lower cutoff (1.5 Hz) was greater than the high-pass filter cutoff frequency (1 Hz) that
was applied to all EEG signals prior to analysis, and 3) frequencies above 8.5 Hz
accounted for less than 6% of the total spectral power in the artifact templates for all
gait conditions (slow walking, 6.2%; faster walking, 5.1%; running, 5.5%)(Figure 2-3).

ผลลัพธ์ (ไทย) 1:

สำหรับแต่ละเงื่อนไขเดิน (ยืน เดินช้า เดินเร็ว วิ่ง) และแต่ละวิธีการเอาออกของสิ่งประดิษฐ์ (ก่อนเอาสิ่งประดิษฐ์ หลังจากใช้ช่องทางกำจัด หลังจากเพิ่มเติมเอาตาม IC), เราคำนวณความหนาแน่นสเปกตรัมพลังงานสำหรับ EEG แต่ละช่องโดยใช้วิธีของ Welch สำหรับการแสดง เราคำนวณพลังงานซองจดหมายสเปกตรัมสำหรับแต่ละหัวข้อ กำหนดให้เป็นค่าสูงสุดและต่ำสุดที่สเปกตรัม 17ความหนาแน่นในแต่ละความถี่กว่าทุกสถานี EEG เราวิเคราะห์สเปกตรัมพลังงาน 1.5Hz ช่วง 8.5 Hz เพื่อประเมินประสิทธิภาพของวิธีการลบสิ่งประดิษฐ์ที่เกี่ยวข้องกับการเดินเลือกความถี่นี้ได้เนื่องจาก: 1) ในการเดินทั้งหมด เงื่อนไขทั้งหมดหัวข้อนี้ผ่านความถี่ขั้นตอนและนิคส์สองความถี่ขั้นตอน 2)การตัดต่ำ (1.5 Hz) สูงกว่าความถี่ที่ตัวกรองผ่านสูงตัดยอด (1 Hz) ที่ใช้สัญญาณ EEG ทั้งหมดก่อนที่จะวิเคราะห์ และ 3) ความถี่ข้างต้น 8.5 Hzคิดเป็นต่ำกว่า 6% ของพลังงานรวมสเปกตรัมในต้นแบบสิ่งประดิษฐ์ทั้งหมดเดินเงื่อนไข (ช้า เดิน 6.2% เดินเร็ว 5.1% รัน 5.5%) (รูปที่ 2-3)

ผลลัพธ์ (ไทย) 2:

สำหรับแต่ละสภาพการเดิน (ยืนเดินช้าเดินเร็วขึ้นการทำงาน)
และแต่ละวิธีของการกำจัดสิ่งประดิษฐ์(ก่อนที่จะกำจัดสิ่งประดิษฐ์หลังจากการกำจัดช่องทางตามหลังต่อไปกำจัด IC-based) เราคำนวณความหนาแน่นสเปกตรัมพลังงานสำหรับแต่ละ EEG ช่อง โดยใช้วิธีการของเวลช์ เพื่อเป็นตัวอย่างที่เราคำนวณอำนาจซองสเปกตรัมสำหรับแต่ละเรื่องกำหนดให้เป็นสเปกตรัมสูงสุดและต่ำสุด17 ความหนาแน่นที่ความถี่แต่ละช่องมากกว่าสมองทั้งหมด เราวิเคราะห์พลังงานสเปกตรัมใน 1.5. Hz ถึงช่วง 8.5 เฮิร์ตซ์เพื่อประเมินประสิทธิภาพของสิ่งประดิษฐ์เดินที่เกี่ยวข้องกับวิธีการกำจัดคลื่นความถี่นี้ได้รับเลือกเนื่องจาก1) ในทุกสภาพการเดินสำหรับทุกวิชามันห้อมล้อมความถี่ขั้นตอนและเป็นครั้งแรกที่สองฮาร์โมนิความถี่ขั้นตอนที่ 2) ตัดล่าง (1.5 เฮิร์ตซ์) เป็นมากกว่าการส่งผ่านสูงกรองตัดความถี่ (1 เฮิร์ตซ์) ที่ถูกนำมาใช้กับทุกสัญญาณสมองก่อนที่จะมีการวิเคราะห์และ3) ความถี่ดังกล่าวข้างต้น 8.5 เฮิร์ตซ์มีสัดส่วนน้อยกว่า 6% ของการใช้พลังงานโดยรวมในสเปกตรัมสิ่งประดิษฐ์แม่แบบสำหรับทุกสภาพการเดิน(ช้าเดิน 6.2%; เดินได้เร็วขึ้น 5.1%; ทำงาน 5.5%) (รูปที่ 2-3)

ผลลัพธ์ (ไทย) 3:

สำหรับแต่ละภาพ ( ยืน เดินช้า เดินเร็ว เดิน วิ่ง และแต่ละวิธีของการกำจัดสิ่งประดิษฐ์
( ก่อนที่จะกำจัด ศิลปวัตถุ หลังจากช่องตามเอา หลังจากการกำจัดต่อไป
IC ตาม ) เราคำนวณพลังงานความหนาแน่นสเปกตรัมสำหรับแต่ละช่องใช้สมอง
เวลช์เป็นวิธี มีรูปประกอบ เราคำนวณพลังงาน
สเปกตรัมซองจดหมายสำหรับแต่ละวิชาที่กำหนดไว้สูงสุดและต่ำสุดของสเปกตรัม

17 ความหนาแน่นในแต่ละช่องความถี่มากกว่าสมองทั้งหมด เราวิเคราะห์สเปกตรัมพลังงานใน 1.5
Hz ถึง 8.5 Hz ช่วงเพื่อประเมินประสิทธิภาพของการเดินที่เกี่ยวข้องวัตถุวิธีการเอา .
นี้แถบความถี่ถูกเลือกเพราะว่า : 1 ) ในเงื่อนไขการเดินทั้งหมดสำหรับทุกวิชามัน
encompassed ความถี่และสองขั้นตอนแรกของขั้นตอนที่ความถี่ฮาร์มอนิ ,
2 )การลด ( 1.5 Hz ) สูงกว่าการตัดตัวกรองความถี่สูงผ่าน ( 1 Hz ) ที่ใช้เป็นสัญญาณ EEG
ทั้งหมดก่อนการวิเคราะห์และ 3 ) ความถี่ Hz
ข้างบน 8.5 คิดเป็นน้อยกว่า 6 % ของพลังงานทั้งหมดในสเปกตรัมวัตถุแม่แบบสำหรับเงื่อนไข ท่าเดินช้า
( เดิน 6.2 % ; เร็วกว่าเดิน ร้อยละ 5.1 ; วิ่ง , 5.5 % ) ( รูปที่ 3 )