MNE初学入门（一）

最近从计算机视觉领域转到脑电处理领域，比较熟悉使用python，所有选择MNE进行脑电处理。期间也踩过不少坑，现在记录一下MNE学习经验。

首先，就是读取数据。MNE内置了很多读取特定格式数据的方法，比如fif、cnt、edf等。读取这些数据，直接调用内置的方法就行，数据的属性、数据等都可以加载出来。，但对于一些MNE不支持直接读取的数据格式，只能自己手写代码进行读取。

很不幸，刚开始一上手读取的数据MNE就不支持直接读取，事Blackrock公司的nev和nsx数据格式。首先，弄明白读取原始数据应该分为两部分，一部分是数据，一部分是属性信息。那么问题就是如何获取数据的这两部分信息，

Blackrock官网上提供了两种插件，一种是matlab用的NPMK插件，一种是Python使用的Utilies，不过代码有些bug，需要修改。在读取NEV数据的时候，会出现所有通道的数据都一模一样的问题,将错误代码改为：

wfs = np.ndarray((nPackets,int((self.basic_header['BytesInDataPackets']-(tsBytes+4))/2)), '<h', rawdata, tsBytes+4, (self.basic_header['BytesInDataPackets'], 2))

就能更正这个问题。

使用这个脚本就能读取出原始数据，以及数据的属性信息。然后可以将其导入到MNE中。此时将读取出的数据，用矩阵的形式将数据读入到MNE中，然后在自己构建info信息，此时仅需要关键的通道名称、类型和采样率这三个信息就足以，然后使用RawArray构建MNE中的raw数据。

具体代码如下：

ns3_data=Nsxdata.backdata(filename)

ns3_data=Nsxdata.backdata(filename)
raw_data=ns3_data['data'].T/4   #读取出来的原始数据需要经过转置，而且原始数据的电压值是经过了压缩，只有原来的0.25，所以这里恢复原始大小。
sampling_freq=2000
ch_name=['EEG1','EEG2']
ch_type=['eeg','eeg']
info=creat_info(ch_name,sampling_freq,ch_type)
raw=mne.io.RawArray(raw_data,info)

raw=raw.notch_filter(np.arange(50,951,50))   #去除工频干扰
raw=raw.filter(l_freq=0.1,h_freq=50.)        #带通滤波  选择0.1~50Hz的波段
raw.plot()        #波形图   
raw.plot_psd()    #功率谱密度图