python累加求和_python中MNE库的PSD分析（计算不同频率间隔的累积和）,Python,进行,区间,累加...

在做脑波数据分析的时候，免不了需要进行频率域的数据分析，功率谱密度是常用的一种分析方法，在MNE库中有psd算法的实现。开始使用之前推荐个博客，

https://zhuanlan.zhihu.com/p/49328001

讲解了什么是PSD。有一点需要注意，PSD通常根据频率分辨率做归一化也就是其分母为采样点数。

本文是以BCI竞赛的数据为例，文章中的数据和代码如下：

这种方法有一个问题就是只有绘制的图像，不能针对相关的数据进行后续处理。实际上mne中还有其他一些细节计算的方法，比如：mne.time_frequency.psd_welch()，mne.time_frequency.psd_multitaper() 等，其在官方的实例中均有体现。这里以用psd_multitaper计算不同频率区间的累加和为例：主要的目的是计算

不同事件在不同频率区间的能量和，这里只分析一个通道的结果

。

import mne

import numpy as np

import matplotlib.pyplot as plt

from mne.time_frequency import psd_multitaper

mne.set_log_level(False)

# 设置分析频率的区间范围，这里有小数主要是为了和后面小波变换方法做对比（暂时未实现）。

iter_freqs = [

{'name': 'Delta', 'fmin': 0, 'fmax': 3.75},

{'name': 'Theta', 'fmin': 3.75, 'fmax': 7.5},

{'name': 'Alpha', 'fmin': 7.5, 'fmax': 12.5},

{'name': 'Beta', 'fmin': 12.5, 'fmax': 35},

]

# 设置不同事件对应的颜色

color_events = {'cueLeft': (1, 0, 0), 'cueRight': (0, 1, 0), 'cueFoot': (0, 0, 1), 'cueTongue': (1, 1, 0)}

#################psd计算频率区间的能量分布(单通道)############

def EpochPSDEnergy(epochs):

# 遍历epochs中的不同事件

for event in epochs.event_id:

# 计算某个事件对应所有epochs的功率谱密度（返回为ndarray）

psds, freqs = psd_multitaper(epochs[event], n_jobs=1)

# 计算事件对应epochs的均值

psds = np.squeeze(np.average(psds, axis=0))

#初始化能量矩阵

eventEnergy =[]

# 遍历不同频率区间的能量和

for iter_freq in iter_freqs:

eventEnergy.append(np.sum(psds[(iter_freq['fmin'] < freqs) & (freqs < iter_freq['fmax'])]))

# 绘制不同事件、不同频率区间的能量值

plt.plot([xLabel['name'] for xLabel in iter_freqs], eventEnergy, color=color_events[event], label=event, marker='o', lw=0, ms=5)

# 设置标题

plt.title('PSD_SUM')

# 设置图例

plt.legend()

# 绘图显示

plt.show()

if __name__ == '__main__':

# 读取筛选好的epoch数据

epochs = mne.read_epochs(r'F:\BaiduNetdiskDownload\BCICompetition\BCICIV_2a_gdf\Train\Fif\A02T_epo.fif')

# 这里只分析一个通道的psd

epochs.pick(['EEG-Cz']).plot_psd()

# 绘制不同区间的能量分布

EpochPSDEnergy(epochs.pick(['EEG-Cz']))

只实现了算法，还没具体分析有什么规律。。。

PS:实际上Python中的matplotlib中是自带psd计算方法的，如果不想用mne也可以直接调用matplotlib中的方法。