脑电信号特征提取python

在Python中进行脑电信号特征提取可以使用一些常见的信号处理和机器学习库。以下是一个基本的脑电信号特征提取的示例：

1. 导入所需的库：

import numpy as np
from scipy.signal import butter, filtfilt
from scipy.stats import entropy
from sklearn.decomposition import PCA

2. 定义一个函数来滤波脑电信号：

def filter_signal(signal, low_freq, high_freq, fs):
    nyquist = 0.5 * fs
    low = low_freq / nyquist
    high = high_freq / nyquist
    b, a = butter(4, [low, high], btype='band')
    filtered_signal = filtfilt(b, a, signal)
    return filtered_signal

3. 定义一个函数来提取脑电信号的频谱特征：

def extract_spectrum_features(signal, fs):
    window_size = int(fs)
    overlap = int(fs / 2)
    spectrum = np.abs(np.fft.fft(signal))
    spectrum = spectrum[:int(len(signal)/2)]
    return spectrum

4. 定义一个函数来提取脑电信号的时域特征：

def extract_time_domain_features(signal):
    mean = np.mean(signal)
    variance = np.var(signal)
    std_deviation = np.std(signal)
    entropy_value = entropy(signal)
    return mean, variance, std_deviation, entropy_value

5. 定义一个函数来提取脑电信号的空域特征（使用主成分分析）：

def extract_spatial_features(signal):
    pca = PCA(n_components=3)
    spatial_features = pca.fit_transform(signal)
    return spatial_features

这些只是一些常见的特征提取方法示例，你可以根据你的需要进一步扩展和优化这些方法。注意，脑电信号特征提取是一个复杂的任务，需要基于领域知识和实际数据进行调整和优化。