在这里,我们通过plot_psd这个函数展示了来自不同传感器数据的功率谱密度图,并且采用plot函数画出了脑电数据的轨迹。在PSD图中,我们只画了50HZ以下的频率(因为我们的数据时已经经过了40HZ的低通滤波)。在交互式Python绘画中(就是能弹出绘图窗口的),绘图是交互式的,并且允许滚动,缩放,标记不良的通道,以及注释等等。
在这里,我们通过plot_psd这个函数展示了来自不同传感器数据的功率谱密度图,并且采用plot函数画出了脑电数据的轨迹。在PSD图中,我们只画了50HZ以下的频率(因为我们的数据时已经经过了40HZ的低通滤波)。在交互式Python绘画中(就是能弹出绘图窗口的),绘图是交互式的,并且允许滚动,缩放,标记不良的通道,以及注释等等。
plot_psd(fmin=0,fmax=inf,tmin=None,tmax=None,picks=None,proj=False,reject_by_annotation=True,*,method='auto',average=False,dB=True,estimate='auto',xscale='linear',area_mode='std',area_alpha=0.33,color='black',line_alpha=None,spatial_colors=True,sphere=None,exclude='bads',ax=None,show...
我们用plot_psd显示每种传感器类型的功率谱密度(Power Spectral Density,PSD)。 fmax=50表示仅绘制50 Hz以下的频率(因为我们的数据以40 Hz进行低通滤波)。 功率谱密度:在物理学中,信号通常是波的形式表示,例如电磁波、随机振动或者声波。当波的功率频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率,...
在这里,我们通过plot_psd这个函数展示了来自不同传感器数据的功率谱密度图,并且采用plot函数画出了脑电数据的轨迹。在PSD图中,我们只画了50HZ以下的频率(因为我们的数据时已经经过了40HZ的低通滤波)。在交互式Python绘画中(就是能弹出绘图窗口的),绘图是交互式的,并且允许滚动,缩放,标记不良的通道,以及注释等等。
plt.plot(times,data.T) plt.title("Sample channels") """ 绘制各通道的功率谱密度""" raw.plot_psd() plt.show() """ 绘制通道频谱图作为topography """ raw.plot_psd_topo() plt.show() """ 绘制电极位置 """ raw.plot_sensors()
raw.plot_psd(average=True) plt.show() 4.电极位置图 #电极位置图 raw.plot_sensors(ch_type='eeg', show_names=True) plt.show() 5.原始数据拓扑图 #原始数据拓扑图 raw.plot_psd_topo() plt.show() 三.滤波 1.环境滤波 #陷波滤波 raw = raw.notch_filter(freqs=(60)) ...
layout_from_raw=mne.channels.find_layout(raw.info,ch_type='eeg')layout_from_raw.plot()plt.show() 6.绘制各通道的功率谱密度 代码语言:javascript 复制 """ 绘制各通道的功率谱密度""" raw.plot_psd()plt.show() 代码语言:javascript 复制 ...
Describe the bug plot_psd does not work when ch_types is not indicated in info Steps to reproduce import numpy as np import mne data = np.arange(1000).reshape(2, -1) info = mne.create_info(ch_names=['a', 'b'], sfreq=1000) raw = mne.io.Ra...
"""raw.plot_psd_topo() plt.show() """ 绘制电极位置 """raw.plot_sensors() plt.show() MNE 从头创建Raw对象 在实际过程中,有时需要从头构建数据来创建Raw对象。 方式:通过mne.io.RawArray类来手动创建Raw 注:使用mne.io.RawArray创建Raw对象时,其构造函数只接受矩阵和info对象。