Domaine fréquentielLe domaine fréquentiel se rapporte à l'analyse de fonctions mathématiques ou de signaux physiques manifestant une fréquence. Alors qu'un graphe dans le domaine temporel présentera les variations dans l'allure d'un signal au cours du temps, un graphe dans le domaine fréquentiel montrera quelle proportion du signal appartient à telle ou telle bande de fréquence, parmi plusieurs bancs. Une représentation dans le domaine fréquentiel peut également inclure des informations sur le décalage de phase qui doit être appliqué à chaque sinusoïde afin de reconstruire le signal en domaine temporel.
NeurofeedbackLe neurofeedback est un type de biofeedback au cours duquel l'activité neuronale d’un individu est mesurée et lui est présentée en temps réel (sous différentes formes : son, image, etc.). Le but de cette méthode est que l’individu arrive à autoréguler son activité neuronale supposée sous-tendre un comportement ou une pathologie spécifique. De cette manière, avec le temps, le participant pourrait être capable d’apprendre comment contrôler volontairement l’activation de son cortex cérébral afin de réguler sa cognition et ses comportements dans la vie de tous les jours.
Brain-readingBrain-reading or thought identification uses the responses of multiple voxels in the brain evoked by stimulus then detected by fMRI in order to decode the original stimulus. Advances in research have made this possible by using human neuroimaging to decode a person's conscious experience based on non-invasive measurements of an individual's brain activity. Brain reading studies differ in the type of decoding (i.e. classification, identification and reconstruction) employed, the target (i.e.
Time–frequency analysisIn signal processing, time–frequency analysis comprises those techniques that study a signal in both the time and frequency domains simultaneously, using various time–frequency representations. Rather than viewing a 1-dimensional signal (a function, real or complex-valued, whose domain is the real line) and some transform (another function whose domain is the real line, obtained from the original via some transform), time–frequency analysis studies a two-dimensional signal – a function whose domain is the two-dimensional real plane, obtained from the signal via a time–frequency transform.
Modification corporelleUne modification corporelle est une transformation, localisée ou étendue, réversible ou non, du corps d'un individu, au moyen d'une pratique et dans un but ayant un caractère culturel. Si des phénomènes naturels tels que la croissance, la grossesse, la vieillesse, ou certaines maladies, ou encore des traitements médicaux ou chirurgicaux entrainent des modifications du corps, l'expression est utilisée en anthropologie pour désigner plus spécifiquement les modifications corporelles artificielles, contrôlées et délibérées, excluant les mutilations punitives et les auto-mutilations relevant de troubles psychiatriques.
Art corporelvignette|Peinture corporelle, par Oscar Korbla Mawuli Awuku. L'art corporel (appelé parfois body art pour qualifier un courant avant-gardiste) est un ensemble de pratiques et de dispositifs qui placent le langage du corps au centre d'un travail artistique. Dans certains cas, l'artiste fait de son corps une œuvre d'art à part entière. Les concepts entre autres de performance, d'installation et de contextualisation nourrissent ces créations qui transforment profondément l'art contemporain à partir des années 1950.
Time–frequency representationA time–frequency representation (TFR) is a view of a signal (taken to be a function of time) represented over both time and frequency. Time–frequency analysis means analysis into the time–frequency domain provided by a TFR. This is achieved by using a formulation often called "Time–Frequency Distribution", abbreviated as TFD. TFRs are often complex-valued fields over time and frequency, where the modulus of the field represents either amplitude or "energy density" (the concentration of the root mean square over time and frequency), and the argument of the field represents phase.
Estimation spectraleL'estimation spectrale regroupe toutes les techniques d'estimation de la densité spectrale de puissance (DSP). Les méthodes d'estimation spectrale paramétriques utilisent un modèle pour obtenir une estimation du spectre. Ces modèles reposent sur une connaissance a priori du processus et peuvent être classées en trois grandes catégories : Modèles autorégressif (AR) Modèles à moyenne ajustée (MA) Modèles autorégressif à moyenne ajustée (ARMA). L'approche paramétrique se décompose en trois étapes : Choisir un modèle décrivant le processus de manière appropriée.
