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。
raw.plot_psd(fmax=50) Note: 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...
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...
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。
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)) ...
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_sensors(ch_type='eeg', show_names=True) plt.show() 1. 2. 3. 5.原始数据拓扑图 #原始数据拓扑图 raw.plot_psd_topo() plt.show() 1. 2. 3. 三.滤波 1.环境滤波 #陷波滤波 raw = raw.notch_filter(freqs=(60)) Setting up band-stop filter from 59 - 61 Hz ...
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 ...
raw返回所选信道以及时间段内的数据和时间点,分别赋值给data以及times(即raw对象返回的是两个array)"""sfreq=raw.info['sfreq']data,times=raw[:5,int(sfreq*1):int(sfreq*3)]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() ...