EEG工具库MNE学习笔记（1）

EEG工具库MNE学习笔记（1）

Raw数据结构

Raw对象主要用来存储连续型数据，核心数据为n_channels和times,也包含Info对象。

Raw结构查看：

# 引入python库
import mne
from mne.datasets import sample
import matplotlib.pyplot as plt

# sample的存放地址（可以不使用，直接将要分析的文件的地址用下面的fname表示即可）
# data_path=sample.data_path()

# 该fif文件存放地址（要分析的文件）
fname='E:\Python_Code\BCI_Code\Data\MNE-sample-data\MEG\sample\sample_audvis_raw.fif'

"""
将上述文件数据读成raw结构的数据
"""
raw=mne.io.read_raw_fif(fname)
print(raw)
print(raw.info)

raw的输出结果为：

红框中标出的是n_channels x n_times

raw.info的输出结果为：

bads：不良通道
ch_names：通道名称
sfreq：采样频率

通常raw的数据访问方式如下：

data, times = raw[picks, time_slice]
picks:是根据条件挑选出来的索引；
time_slice:时间切片
想要获取raw中所有数据，以下两种方式均可：
data,times=raw[:]
data,times=raw[:,:]

第一个实例

"""
案例：
获取10-20秒内的良好的MEG数据
"""
# 根据type来选择 那些良好的MEG信号(良好的MEG信号，通过设置exclude="bads") channel,
# 结果为 channels所对应的的索引
picks=mne.pick_types(raw.info,emg=True,exclude='bads')
t_idx=raw.time_as_index([10.,20.])
# raw返回所选信道以及时间段内的数据和时间点，
# 分别赋值给data以及times（即raw对象返回的是两个array）
data,times=raw[picks,t_idx[0]:t_idx[1]]
plt.plot(times,data.T)
plt.title("Sample channels")
plt.show()

“print(picks)”的输出结果：

“print(t_idx)”的输出结果：

我的理解是第10秒对应的数据的索引和第20秒对应的数据的索引。

所选通道在10-20秒内的电压值的变化：

注：data的数据格式是[通道个数，数据个数]，times的数据格式是[数据个数，]

所选通道在1-3秒内的电压值的变化：

"""
sfreq：采样频率
"""
sfreq=raw.info['sfreq']
#获取1-3秒内通道0,1,2,3,4的MEG数据
data,times=raw[:5,int(sfreq*1):int(sfreq*3)]
plt.plot(times,data.T)
plt.title("Sample channels")
plt.show()

绘制SSP矢量图：

"""
绘制SSP矢量图
"""
raw.plot_projs_topomap()
plt.show()

注：SSP为信号空间投影

绘制电极位置：

"""
绘制电极位置
"""
raw.plot_sensors()
plt.show()

绘制指定通道的功率谱图：

"""
绘制指定通道的功率谱图
"""
picks = ['eeg']
raw.plot_psd(picks=picks)
plt.show()

注：通道或数据太多会出现电脑内存不够用的情况。

绘制通道频谱图：

"""
绘制通道频谱图作为topography
"""
raw.plot_psd_topo()
plt.show()

出现如下错误：

网上说是电脑内存不够的原因，还未解决。