Python中MNE库滤波的重要性

最近在处理MI数据的时候发现滤波真的很重要啊，之前一直没把预处理当个事，这次发现还是很重要的！！！

 

一、滤波对分类准确率的影响

 

1、以MNE官方提供的CSP实例为例（https://blog.csdn.net/zhoudapeng01/article/details/104969977）：

有FIR滤波的时候准确率为百分之九十多。

注释掉FIR滤波后，准确率只有百分之三十多。。。还赶不上随机的结果。

 

2、以BCICompetition中的BCICIV_2a_gdf数据为例：

数据和代码可下载：https://download.csdn.net/download/zhoudapeng01/12423358

import time
import mne
import pickle
from mne.decoding import CSP
import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
from sklearn.model_selection import ShuffleSplit, cross_val_score
from sklearn.pipeline import Pipeline

# 设置log输出等级
mne.set_log_level(False)
# BCICIV_2a_gdf中脑电信道的名称
channels_A = ['EEG-Fz', 'EEG-0', 'EEG-1', 'EEG-2', 'EEG-3', 'EEG-4', 'EEG-5', 'EEG-C3', 'EEG-6', 'EEG-Cz',
              'EEG-7', 'EEG-C4', 'EEG-8', 'EEG-9', 'EEG-10', 'EEG-11', 'EEG-12', 'EEG-13', 'EEG-14', 'EEG-Pz',
              'EEG-15', 'EEG-16']

# 定义CSP分类函数，用于分类左手右手的信号
def MI_EEG_CSP(fileName, components, channels):
    # 加载挑选出的脑电数据，根据信号的质量经过了初步的筛选
    with open(fileName, 'rb') as f:
        epochs = pickle.load(f)
    # 对数据进行滤波处理
    epochs_train = epochs.filter(7., 30., fir_design='firwin', skip_by_annotation='edge')
    # epochs_train = epochs
    # 只处理其中的左右手部分（总共包括4类）
    trainData = epochs_train['cueLeft', 'cueRight'].get_data(channels)
    trainLabels = epochs_train['cueLeft', 'cueRight'].events[:, -1]

    # 根据设计的交叉验证参数,分配相关的训练集和测试集数据
    cv = ShuffleSplit(10, test_size=0.2, random_state=42)
    # 创建线性分类器
    lda = LinearDiscriminantAnalysis()
    # 创建CSP提取特征，这里使用4个分量的CSP
    csp = CSP(n_components=components, reg=None, log=False, norm_trace=False)
    # 创建机器学习的Pipeline,也就是分类模型，使用这种方式可以把特征提取和分类统一整合到了clf中
    clf = Pipeline([('CSP', csp), ('LDA', lda)])
    # 获取交叉验证模型的得分
    scores = cross_val_score(clf, trainData, trainLabels, cv=cv, n_jobs=4)
    # 输出结果，准确率和不同样本的占比
    class_balance = np.mean(trainLabels == trainLabels[0])
    class_balance = max(class_balance, 1. - class_balance)
    print("Classification accuracy: %f / Chance level: %f" % (np.mean(scores), class_balance))



if __name__ == '__main__':
    # 程序开始时间
    timeStart = time.time()
    # 设置文件路径
    fileFullPathA = r'F:\BaiduNetdiskDownload\BCICompetition\BCICIV_2a_gdf\Train\CueLRFT\trainData.pkl'
    # 运行CSP算法
    MI_EEG_CSP(fileFullPathA, components=4, channels=channels_A)
    # 程序结束时间
    timeEnd = time.time()
    # 打印程序整体用时
    print("用时：", timeEnd - timeStart)

有FIR滤波的时候准确率为68%左右。

没有FIR滤波的时候准确率仅为51%左右。

 

二、滤波的作用范围

开始的时候发现滤波前后数据没有变化，一度认为是MNE库的bug，后来发现在MNE库中默认是不会对eog数据滤波的。在这里默认只处理eeg数据，前后对比可以发现eeg数据变化了，而eog数据并没有改变。

FIR滤波前：

FIR滤波后：