python数据滤波_MNE-Python简易中文教程 | EEG/MEG数据滤波、降采样以及独立成分分析ICA...

转载自公众号：路同学

作者：路同学

Hello,

这里是行上行下，我是喵君姐姐~

在之前所发布的“MNE-Python的简易中文教程简单入门”中，我们介绍了使用MNE来对EEG/MEG进行预处理；

另外，在发布的“MNE进阶教程|实例详解EEG/MEG数据读取”教程中，主要介绍了以一个公开数据为案例，详解基于MNE-Python的从“原数据”到“可处理数据”的读取流程。

随后，发布的“MNE-Python简易教程|解析EEG/MEG数据中的事件信息”教程中，详解如何从EEG/MEG数据中解析出事件信息，即介绍MNE-Python中的事件信息的读取。

以及，在发布的“MNE-Python简易教程|EEG/MEG数据的伪影识别、修复坏道以及去除坏段”中，详细的介绍了数据预处理的核心阶段：伪影的处理。

接下来，我们详解利用MNE-Python进行数据滤波与降采样。

数据滤波

首先还是导入example数据方便后续说明：import numpy as npimport mnefrom mne.datasets import sampledata_path = sample.data_path()raw_fname = data_path + "/MEG/sample/sample_audvis_raw.fif"# 使用0-20ms的数据tmin, tmax = 0, 20raw = mne.io.read_raw_fif(raw_fname)raw.crop(tmin, tmax).load_data()# 计算时排除两个坏道raw.info["bads"] = ["MEG 2443", "EEG 053"]# 设置频率范围：2-300Hzfmin, fmax = 2, 300# 选择右侧颞叶的导联selection = mne.read_selection("Left-temporal")# 挑选导联：仅MEG 且 去除坏道 且 右侧颞叶导联picks = mne.pick_types(raw.info, meg="mag", eeg=False, eog=False,stim=False, exclude="bads", selection=selection)

可以画出功率谱图如下：raw.plot_psd(area_mode="range", picks=picks, average=False)

使用陷波滤波器去噪：

之前介绍过电力线噪音，数据在60Hz、120Hz、180Hz和240Hz存在窄频率峰值，我们使用notch_filter()进行陷波滤波器对数据进行滤波：raw.notch_filter(np.arange(60, 241, 60), picks=picks)raw.plot_psd(area_mode="range", picks=picks, average=False)

使用低通滤波器去噪：

使用滤波方法filter()进行50Hz的低通滤波：raw.filter(None, 50.)raw.plot_psd(area_mode="range", picks=picks