脑电信号相位锁定值eeg-plv

脑电信号不同通道之间相位所定值，计算脑电不同电极之间的PLV

function [plv] = pn_eegPLV（eegData srate filtSpec dataSelectArr）
% Computes the Phase Locking Value （PLV） for an EEG dataset.
%
% Input parameters:
%   eegData is a 3D matrix numChannels x numTimePoints x numTrials
%   srate is the sampling rate of the EEG data
%   filtSpec is the filter specification to filter the EEG signal in the
%     desired frequency band of interest. It is a structure with two
%     fields order and range. 
%       Range specifies the limits of the frequency
%     band for example put filtSpec.range = [35 45] for gamma band.
%       Specify the order of the FIR filter in filtSpec.order. A useful
%     rule of thumb can be to include about 4 to 5 cycles of the desired
%     signal. For example filtSpec.order = 50 for eeg data sampled at
%     500 Hz corresponds to 100 ms and contains ~4 cycles of gamma band
%     （40 Hz）.
%   dataSelectArr （OPTIONAL） is a logical 2D matrix of size - numTrials x
%     numConditions. For example if you have a 250 trials in your EEG
%     dataset and the first 125 correspond to the ‘attend‘ condition and
%     the last 125 correspond to the ‘ignore‘ condition then use
%     dataSelectArr = [[true（125 1）; false（125 1）]...
%       [false（125 1）; true（125 1）]];
%
% Output parameters:
%   plv is a 4D matrix - 
%     numTimePoints x numChannels x numChannels x numConditions
%   If ‘dataSelectArr‘ is not specified then it is assumed that there is
%   only one condition and all trials belong to that condition.
%
%--------------------------------------------------------------------------
% Example: Consider a 28 channel EEG data sampled @ 500 Hz with 231 trials
% where each trial lasts for 2 seconds. You are required to plot the phase
% locking value in the gamma band between channels Fz （17） and Oz （20） for
% two conditions （say attend and ignore）. Below is an example of how to
% use this function.
%
%   eegData = rand（28 1000 231）; 
%   srate = 500; %Hz
%   filtSpec.order = 50;
%   filtSpec.range = [35 45]; %Hz
%   dataSelectArr = rand（231 1） >= 0.5; % attend trials
%   dataSelectArr（: 2） = ~dataSelectArr（: 1）; % ignore trials
%   [plv] = pn_eegPLV（eegData srate filtSpec dataSelectArr）;
%   figure; plot（（0:size（eegData 2）-1）/srate squeeze（plv（: 17 20 :）））;
%   xlabel（‘Time （s）‘）; ylabel（‘Plase Locking Value‘）;
%
% NOTE:
% As you have probably noticed in the plot from the above example the PLV 
% between two random signals is spuriously large in the first 100 ms. While 
% using FIR filtering and/or hilbert transform it is good practice to 
% discard both ends of the signal （same number of samples as the order of 
% the FIR filter or more）.
% 
% Also note that in order to extract the PLV between channels 17 and 20 
% use plv（: 17 20 :） and NOT plv（: 20 17 :）. The smaller channel 
% number is to be used first.
%--------------------------------------------------------------------------
% 
% Reference:
%   Lachaux J P E Rodriguez J Martinerie and F J Varela. 
%

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1337  2011-08-16 10:49  license.txt
     文件        4698  2011-05-29 03:59  pn_eegPLV.m