TAMC-MultibandCoherence: A Multiband Coherent Residuals Framework for Audio and EEG Analysis TAMC-MultibandCoherence: Marco de Residuos Coherentes Multibanda para Análisis de Audio y EEG

🇬🇧 (with key results + independent researcher note) Fast zero-lag coherence is often dismissed as noise in electrophysiological recordings. This project introduces TAMC (Temporal-Aligned Multiband Coherence), a residual-based framework designed to isolate intrinsic fast-coherence components across EEG frequency bands. Using the OpenMIIR dataset (music listening vs. musical imagery), TAMC reveals that theta, alpha, beta and gamma bands exhibit zero-lag residuals far above Gaussian-null expectations, typically by factors between 3× and 10× depending on the band. Across subjects, Alpha and Gamma consistently show the strongest structured coherence, with mean residual magnitudes of approximately 0.11–0.33 during listening and 0.09–0.17 during musical imagery, compared with Gaussian-null levels around 0.03.Crucially, this fast multiband coherence persists during purely internal musical imagery, showing that the mechanism does not depend on sensory input. External stimuli sharpen and amplify the effect, but do not originate it. The TAMC-MultibandCoherence framework also provides full-band residual extraction, multiband coherence metrics, Gaussian-null modelling, and high-resolution channel × time heatmaps for audio and EEG signals. The method consistently shows that imagined music preserves spectral structure similar to real auditory input, particularly in Alpha and Gamma, while null distributions remain significantly lower in all conditions. Overall, the findings support the existence of an endogenous, field-like coordination mechanism capable of sustaining rapid large-scale neural synchronization. TAMC thus emerges as a robust tool for auditory, cognitive, and computational neuroscience. This work was conducted entirely by an independent researcher, without institutional affiliation or external funding. We provide a fully executable TAMC pipeline that can be run from a single Python script (tamc_openmiir_pipeline.py), without requiring prior expertise in EEG or signal processing. The script automatically loads the OpenMIIR EEG data (Listen and Imagine conditions for subject P01), applies zero-phase multiband filtering, computes TAMC residuals, extracts peak-locked lags, and compares the empirical lag-0 fractions with a configurable Gaussian null model. At each stage the pipeline prints clear explanations and progress bars, shows the generated figures on screen (raster plots, histograms, time–frequency maps, summary heatmaps, paper-style final figure), and saves all results as PNG and CSV files in structured folders. In combination with a parallel audio-TAMC pipeline, this design allows any user—even without technical background—to reproduce the full analysis and visually inspect every intermediate step. [e-mail] 🇪🇸 (con resultados principales + nota de investigador independiente) La coherencia rápida de desfase cero suele interpretarse como ruido en registros electrofisiológicos. Este proyecto presenta TAMC (Coherencia Multibanda Alineada Temporalmente), un marco basado en residuos que permite aislar componentes intrínsecos de coherencia rápida en distintas bandas de frecuencia del EEG. Utilizando el conjunto OpenMIIR (escucha musical vs. imaginación musical), TAMC demuestra que las bandas theta, alfa, beta y gamma presentan residuos de desfase cero muy superiores al nulo gaussiano, típicamente entre 3× y 10× según la banda. A nivel grupal, Alfa y Gamma muestran la coherencia estructurada más intensa, con magnitudes residuales medias de 0.11–0.33 durante la escucha y 0.09–0.17 durante la imaginación musical, frente a valores nulos gaussianos alrededor de 0.03.De forma crucial, esta coherencia rápida persiste incluso durante imaginación musical interna, lo que indica que el mecanismo no depende de entrada sensorial. El estímulo externo solo afina y potencia el efecto, pero no lo genera. El marco TAMC-MultibandCoherence también ofrece extracción de residuos por banda, métricas de coherencia multibanda, modelado nulo gaussiano y mapas de calor canal × tiempo de alta resolución para señales de audio y EEG. El método muestra de forma consistente que la música imaginada conserva parte de la estructura espectral del estímulo real, especialmente en Alfa y Gamma, mientras que las distribuciones nulas se mantienen significativamente más bajas en todas las condiciones. En conjunto, los resultados apuntan a la existencia de un mecanismo endógeno de coordinación tipo campo, capaz de sostener sincronizaciones rápidas a gran escala. TAMC se posiciona así como una herramienta sólida para la neurociencia auditiva, cognitiva y computacional. Este trabajo ha sido realizado íntegramente por un investigador independiente, sin financiación externa ni afiliación académica. Proporcionamos un pipeline TAMC completamente ejecutable desde un único script de Python (tamc_openmiir_pipeline.py), sin necesidad de experiencia previa en EEG ni en procesado de señal. El script carga automáticamente los datos EEG de OpenMIIR (condiciones Escuchar e Imaginar para el sujeto P01), aplica filtrado multibanda de fase cero, calcula los residuos TAMC, extrae lags anclados a picos y compara las fracciones empíricas de desfase cero con un modelo nulo gaussiano configurable. En cada etapa, el pipeline muestra explicaciones claras y barras de progreso, presenta en pantalla las figuras generadas (rasterplots, histogramas, mapas tiempo–frecuencia, heatmaps de resumen, figura final estilo artículo) y guarda todos los resultados como archivos PNG y CSV en carpetas organizadas. Junto con un pipeline paralelo TAMC-audio, este diseño permite que cualquier usuario —incluso sin formación técnica— reproduzca el análisis completo e inspeccione visualmente cada paso intermedio.