talker_change_data_processing 源码

talker_change_data_processing 这基本上是一项探索性数据分析,使用了Sophia Uddin和Katie Reis的先前得出的数据。 典型的EEG研究会计算受试对象平均的ERP,并检查某些峰值的存在和幅度,以推断出语音处理背后的认知过程。 在我们的分析中,我们使用互相关来衡量EEG和刺激波形之间的相似性。 高EEG刺激相似性表示特定电极上的信号正在跟踪刺激中的时间特征,这可能表明附近的皮质区域正在编码,跟随或参与语音信号。 我们不仅在关注整体跟踪的程度,而且还跟踪跟踪是否根据刺激是否可预测,是与先前说话者相同的说话者所说的还是有意义的而变化。 条件之间跟踪的差异进一步证明了我们的跟踪度量反映了一些潜在的认知过程,而不是随机的噪音或一般的聆听。 还将进行进一步的分析,包括网络拓扑,特定共振峰的跟踪以及注意力对跟踪的影响。 依存关系 MATLAB R2019b或更