Python实现小波变换去噪，利用Pywavelets处理脑电信号，代码参考

最新推荐文章于 2024-08-08 08:11:04 发布

h_lonely

最新推荐文章于 2024-08-08 08:11:04 发布

阅读量7.6k

点赞数 4

文章标签： python 机器学习可视化深度学习数据可视化

本文链接：https://blog.csdn.net/h_lonely/article/details/103908737

版权

本文介绍了使用Python的PyWavelets库进行小波变换去噪的方法，特别是在处理脑电信号的应用。通过讲解Wavelet、Waverec和threshold等函数的API，结合实例代码展示如何进行小波变换、阈值选择和逆变换，最终对信号进行去噪并用jupyter notebook进行结果可视化。

摘要由CSDN通过智能技术生成

小波变换及pyWavelets的运用

小波变换的数学原理
PyWavelets中几个函数的API
代码
- 注意事项以及我也没弄懂的地方

小波变换的数学原理

先略了，日后补上。

PyWavelets中几个函数的API

Wavelet

Waverec

threshold

代码

读取数据

// An highlighted block
import numpy as np
import matplotlib.pyplot as plt
import pywt
import pywt.data
from mne.io import concatenate_raws, read_raw_edf, read_raw_fif
from mne import read_events
import pyedflib
import math as m

file = pyedflib.EdfReader("S001R01.edf")
#number of channels: 64 信号信息
totalSignals = file.signals_in_file #totalSignals = 64
signal_labels = file.getSignalLabels() #label names of electrode in 10-10 system
#把data转为64x19920
''' -80 removes the ending 80 zero data points'''
data = np.zeros((totalSignals, file.getNSamples()[0]-80)