matlab 频谱图例子_做EEG频谱分析，看这一篇文章就够了！

所谓频谱分析，又称为功率谱分析或者功率谱密度（Power Spectral Density, PSD）分析，实际就是通过一定方法求解信号的功率power随着频率变化曲线。笔者在这里对目前常用的频谱分析方法做一个总结，并重点介绍目前EEG分析中最常用的频谱分析方法，并给出相应的Matlab程序。

1.频谱分析的方法有哪些？

目前来说，功率谱分析的方法大致可以分为两大类：第一类是经典的功率谱计算方法，第二类是现代功率谱计算方法，如图1所示。其中第一类经典功率谱分析方法，又可以分为直接法、间接法和改进的直接法。直接法又称之为周期图法，简单地说，其直接利用信号的傅里叶变换系数的幅度平方来计算信号的功率谱。间接法又称为自相关函数法，其先估算出信号的自相关函数，然后对自相关函数求傅里叶变换从而得到信号的功率谱。改进的直接法，是针对直接法存在的缺点改进而来的方法，包括Barlett法、Welch法和Nuttall法。第二类现代功率谱计算方法，又可以分为基于参数建模的功率谱计算和基于非参数建模的功率谱计算。基于参数建模的功率谱计算方法又分为基于AR模型、MA模型、ARMA模型等方法；基于非参数建模的功率谱计算方法主要基于矩阵特征分解的功率谱估计，主要包括基于MUSIC算法的功率谱估计和基于特征向量的功率谱估计。本文，笔者主要对经典功率谱分析方法中的直接法（周期图法）以及在EEG频谱分析中最常用的改进直接法（Welch法）进行详细的介绍，并给出相应的Matlab程序。