Zur Untersuchung kognitiver Verarbeitungsprozesse mittels Elektroenzephalographie (EEG) werden traditionell Analysen ereigniskorrelierter Potentiale im Zeitbereich durchgeführt. In den letzten Jahren ist darüber hinaus allerdings ein stetig wachsendes Interesse an der Betrachtung ereigniskorrelierter oszillatorischer Signalanteile festzustellen. Um diese in ihrer zeitlichen Dynamik erfassen zu können, müssen die EEG- Signale mit Hilfe geeigneter mathematischer Verfahren in eine Zeit-Frequenz- Darstellung überführt werden. In der Regel wird hierfür bei der Betrachtung langsamer Frequenzen bis etwa 20 Hz die klassische Kurzzeit-Fourier- Transformation (STFT) verwendet, während für die Analyse schneller Frequenzen die Wavelet-Transformation (WT) zur Anwendung kommt. In dieser Arbeit wird die S-Transformation (ST; Stockwell, Mansinha & Lowe, 1996) als ein sehr flexibles und effizientes Verfahren für die zeitaufgelöste Fourier-basierte Frequenzanalyse von EEG-Signalen vorgeschlagen. Die ST vereint die für EEG- Frequenzanalysen vorteilhaften Eigenschaften der STFT und der WT und erlaubt so die Untersuchung ereigniskorrelierter Oszillationen mit frequenzangepassten Analysefenstern über den gesamten Frequenzbereich, ohne dabei wie die WT den Einschränkungen durch die Zulässigkeitsbedingung zu unterliegen. Nach der Vorstellung aller drei Transformationsverfahren werden die Vorteile und Eigenschaften der ST anhand empirischer Daten aus zwei kognitionspsychologischen Untersuchungen dokumentiert. Die systematische Variation von Fenstertyp und Fensterlänge zeigt dabei einen entscheidenden Einfluss der Fensterlänge auf die Ergebnisse der Datenanalysen. In Empirie I wird die Verwendung der ST als effiziente STFT mit konstanten Analysefenstern (Hann, Hamming, Gauß) am Beispiel von Daten aus einem Wahlreaktionsexperiment beschrieben. In Empirie II wird auf Aspekte der Verwendung der ST im Sinne einer WT mit frequenzangepassten Fenstern anhand von Daten aus einem visuellen Novelty-Oddball-Experiment eingegangen.
Traditionally, investigations of cognitive processes by means of electroencephalography (EEG) focus on the examination of event-related potentials in the time domain. In recent years, however, there has been a growing interest in the analysis of event-related oscillatory signals. In order to track the temporal dynamics of these oscillations, the EEG signal has to be transferred into a time-frequency representation using appropriate mathematical methods. Usually, for slow frequencies up to approximately 20 Hz, this is accomplished by means of the classical short time Fourier transform (STFT), whereas the wavelet transform (WT) is used for faster frequencies. In the present work, the S-transform (ST; Stockwell, Mansinha & Lowe, 1996) is proposed as a very flexible and efficient method for accomplishing time- dependent Fourier-based frequency analyses of EEG signals. With regard to EEG frequency analyses, the ST combines the advantageous properties of the STFT and the WT. This allows the investigation of event-related oscillations using frequency-adjusted analysis windows over the whole frequency range without being restricted by the admissibility condition, as is the case with the WT. After introducing all three transforms, the advantages and properties of the ST are presented on the basis of empirical data from two cognitive neuropsychological studies. The systematic variation of window type and window width shows a strong influence of window width on the results. In Empirie I, the ST was applied to real data from a choice reaction task using analysis windows of constant width (Hann, Hamming, Gauss). This setting represents an efficient substitute for the STFT. In Empirie II, the ST was applied to data from a visual novelty oddball task, and certain aspects of using the ST as a WT with frequency adjusted windows are described.
