使用MNE整理和过滤信号-Python

如何解决使用MNE整理和过滤信号-Python

我正在研究python的EEG信号分析问题。我需要删除使用MNE加载的edf格式的信号在第1分钟以下和第6分钟以上的记录，并将其通过带通滤波器。我对MNE不熟悉，因此在将其转换为原始NumPy数组格式后使用了scipy进行修整和过滤。代码如下。由于采样率为100 Hz，我假设第一分钟将包含6000个样本，接下来的五分钟将包含30000个以上的样本，这就是为什么我只使用raw_data [i] [6000：36000]。

filtered_data[i] = butter_bandpass_filter(raw_data[i][6000:36000],lowcut,highcut,fs,order=5)

butter_bandpass_filter的定义如下

def butter_bandpass(lowcut,order=5):
   nyq = 0.5 * fs
   low = lowcut / nyq
   high = highcut / nyq
   b,a = butter(order,[low,high],btype='band',analog=True)
   return b,a

def butter_bandpass_filter(data,order=5):
   b,a = butter_bandpass(lowcut,order=order)
   y = lfilter(b,a,data)
   return y

但是我不觉得这是正确的方法。有没有办法使用MNE-Python来完成上述任务，而不是将其转换为ndarray或使用scipy？

解决方法

要仅选择信号的一部分，您可以在 mne-python 中执行以下操作：

raw.crop(tmin=60,tmax=360)

（tmin 和 tmax 参数以秒为单位）

请记住，过滤会导致边缘伪影，因此最好先裁剪您的数据，以便留下您感兴趣的更宽的信号段，因此在过滤后您可以再次裁剪，删除边缘文物。在 mne-python 中过滤也很简单：

raw.filter(1,None)

这将执行 1 Hz 高通 FIR 滤波。要了解有关 mne-python 中过滤的更多信息，请查看 this tutorial 和 this detailed detailed tutorial/discussion：