脑电分析mne库函数compute_psd()记录

槿花Hibiscus

已于 2023-08-12 10:01:32 修改

阅读量1.6k

点赞数 3

分类专栏：脑机接口学习文章标签： python 人工智能

于 2023-01-01 20:48:54 首次发布

本文链接：https://blog.csdn.net/SashiMoore/article/details/128515570

版权

脑机接口学习专栏收录该内容

20 篇文章 87 订阅

订阅专栏

文章探讨了在脑电(EEG)分析中使用`compute_psd`函数进行功率谱密度估计的过程，特别是Welch方法的运用。它指出，有效窗口大小与采样频率相关，FFT点数通常取2的幂次，且函数会确保窗口大小乘以采样率接近但小于FFT点数。计算得出的频谱范围止于采样频率的一半，即奈奎斯特频率。默认情况下，`compute_psd`使用的FFT点数为256。

摘要由CSDN通过智能技术生成

在进行脑电分析的学习时对compute_psd这个函数有所疑惑，故作此文记录

import numpy as np
import mne

sample_data_folder = mne.datasets.sample.data_path()
sample_data_raw_file = (sample_data_folder / 'MEG' / 'sample' /
                        'sample_audvis_raw.fif')
raw = mne.io.read_raw_fif(sample_data_raw_file, verbose=False).crop(tmax=60)

print(raw.info)
'''
sfreq: 600.6 Hz
Effective window size : 0.426 (s)
一个窗口包括的数据点数量为255.8556，约为256，即默认fft点数
fft点数一般取2的n次方
而窗口大小要做到window_size * sfreq小于但尽量接近fft点数
'''
spectrum = raw.compute_psd(method='welch')
# spectrum = raw.compute_psd(method='welch', fmin=0, fmax=30)
print(spectrum.freqs.shape)
print(spectrum.freqs)
'''
生成频谱的范围是0到采样频率的一半（奈奎斯特频率）
Effective window size : 0.426 (s)
(129,)
故freqs最后一点为300.30749512

注释数据中：
Effective window size : 0.426 (s)
(13,)
'''
'''
结论：
compute_psd()得出的windows size只与原数据的采样频率相关
接近但小于设置的fft点数，而fft点数又为2的n次方，在该函数中的默认值为256
'''

参考文章：脑电的频谱分析和时频分析-EEG Processing and Feature 5