mne-python进行计算功率谱密度psd

自己的有些理论知识还没有搞懂,比如welch和mne提供的multitaper的方法计算功率谱.两种方法得到的结果也不同,等我琢磨清楚之后再来更新

#前面是导入必要的包,有些包不导入也没事
import mne
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
import pickle
import  pymatreader
%matplotlib qt

import os
path = r'D:\脑电演示的文件夹'
os.chdir(path)
raw = mne.io.read_epochs_eeglab('IO-duanyafeng_134.set',uint16_codec = 'latin8')

bands = {'Delta (1-4 Hz)': (1, 4), 'Theta (4-8 Hz)': (4, 8),
         'Alpha (8-12 Hz)': (8, 12), 'Beta (12-30 Hz)': (12, 30),
         'Gamma (30-45 Hz)': (30, 45)}

raw.plot_psd_topomap(bands = bands)#画出每个频带的psd的脑地形图

data = raw.compute_psd(method='welch')#计算功率谱密度

data1 = data.average()#默认是对epoch进行平均,21个电极,401个采样点

c = data1.get_data(fmin=1, fmax=4,return_freqs=True)#这样可以返回频率点信息和psd的信息,维度是通道*频率轴

a1 = c[0].mean(axis=0)#此处是numpy的方法,对第一个维度进行平均
a2 = c[0].mean(axis=1)#此处是对于c的第二个维度进行平均
a3 = c[0].mean()#总平均


##multitaper的方法进行计算功率谱
data = raw.compute_psd(method='multitaper')#计算功率谱密度
data1 = data.average()#默认是对epoch进行平均,21个电极,401个采样点

c = data1.get_data(fmin=1, fmax=4,return_freqs=True)#这样可以返回频率点信息和psd的信息,维度是通道*频率轴

a1 = c[0].mean(axis=0)#此处是numpy的方法,对第一个维度进行平均
a2 = c[0].mean(axis=1)#此处是对于c的第二个维度进行平均
a3 = c[0].mean()#总平均