點擊上面"腦機接口社區"關注我們

更多技術干貨第一時間送達

一些由電源線造成的偽影具有某些特定范圍的頻率(比如,由電網產生的電力線噪聲,主要由50Hz(或60Hz取決于實驗的地理位置)的尖峰組成)。因此可以通過濾波來固定。

本文分別使用陷波濾波器、低通濾波、高通濾波來對EEG數據去除電源線等噪聲。

陷波濾波器(Notch Filter)簡介：

陷波濾波器指的是一種可以在某一個頻率點迅速衰減輸入信號，以達到阻礙此頻率信號通過的濾波效果的濾波器。陷波濾波器屬于帶阻濾波器的一種,其阻帶很窄，因此也稱點阻濾波器。常常用于去除固定頻率分量或阻帶很窄的地方。如用于去除直流分量，去除某些特定頻率分量.

本案例介紹了如何在MNE-Python中過濾數據。

import numpy as npimport mnefrom mne.datasets import sampledata_path = sample.data_path()raw_fname = data_path + '/MEG/sample/sample_audvis_raw.fif'proj_fname = data_path + '/MEG/sample/sample_audvis_eog_proj.fif'"""提取0秒到20秒之間的數據"""tmin, tmax = 0, 20"""讀取原始數據通過在加載前剪切原始數據來節省內存"""raw = mne.io.read_raw_fif(raw_fname)raw.crop(tmin, tmax).load_data()raw.info['bads'] = ['MEG 2443', 'EEG 053'] # bads + 2 more"""設置 頻率在2Hz到300Hz之間"""fmin, fmax = 2, 300"""FFT大小為n_fft,在理想情況下為2的冪"""n_fft = 2048# 選擇一通道的子集selection = mne.read_selection('Left-temporal')picks = mne.pick_types(raw.info, meg='mag', eeg=False, eog=False, stim=False, exclude='bads', selection=selection)raw.plot_psd(area_mode='range', tmax=10.0, picks=picks, average=False)

用陷波濾波去除電源線噪聲

去除電力線噪聲可以直接在原始對象上使用陷波濾波器，指定要切斷的頻率陣列：

raw.notch_filter(np.arange(60, 241, 60), picks=picks, fir_design='firwin')raw.plot_psd(area_mode='range', tmax=10.0, picks=picks, average=False)

用低通濾波去除電源線噪聲

如果只對低頻感興趣，可以在電力線噪聲的峰值以下進行低通濾波。

# 50hz以下的低通濾波raw.filter(None, 50., fir_design='firwin')raw.plot_psd(area_mode='range', tmax=10.0, picks=picks, average=False)

高通濾波消除緩慢漂移

為了消除緩慢的漂移，可以使用高通濾波。

raw.filter(1., None, fir_design='firwin')raw.plot_psd(area_mode='range', tmax=10.0, picks=picks, average=False)

如果想要一步完成低通和高通濾波，可以做一個所謂的帶通濾波器，如下所示:

# 1 Hz-50 Hz范圍內的帶通濾波raw.filter(1, 50., fir_design='firwin')raw.plot_psd(area_mode='range', tmax=10.0, picks=picks, average=False)

更多閱讀

EEG信號特征提取算法

EEMD算法原理與實現

EMD算法原理與實現EEGNet: 神經網絡應用于腦電信號

信號處理之倒頻譜原理與python實現

信號處理之功率譜原理與python實現

腦電信號濾波-代碼實現

運動想象系統中的特征提取算法和分類算法

特征提取算法 | 共空間模式 Common Spatial Pattern(CSP)

功率譜估計-直接法原理與案例

MNE中文教程(16)-腦電數據的Epoching處理

DEAP數據庫介紹--來自于音樂視頻材料誘發得到的腦電數據

PsychoPy安裝與測試案例

PsychoPy文字刺激、圖片刺激和光柵刺激

Python機器學習算法隨機森林判斷睡眠類型

應用深度學習EEGNet來處理腦電信號

腦機接口BCI學習交流QQ群：903290195

微信群請掃碼添加，Rose拉你進群

(請務必填寫備注，eg. 腦機接口或BCI)

長按加群

長按關注我們

總結

以上是生活随笔為你收集整理的plot画图 python 双线_Python使用多种滤波器对脑电数据去除伪影的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。