MNE shift_time

在MNE-Python中，`shift_time`函数主要用于同步两个或多个时间序列的时间轴，以便它们可以在相同的时刻进行比较或分析。该函数通常用于处理连续神经元记录（如LFP或MEG数据），其中事件时间和信号时间点之间可能存在时间偏差。`shift_time`基于指定的偏移量或事件对齐的方式，将一个或多个Epochs或Evoked对象的时间轴向左或右移动。

以下是`shift_time`的基本用法：

from mne.time_frequency import tfr_multitaper
from mne.datasets import sample

# 加载样本数据
data_path = sample.data_path()
raw_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw.fif'

# 加载并准备原始数据
raw = mne.io.read_raw_fif(raw_fname)
events = mne.find_events(raw)

# 创建epochs对象
tmin, tmax = -0.2, 0.5
event_id = {'Auditory/Left': 1}
epochs = mne.Epochs(raw, events, event_id, tmin, tmax, baseline=None)

# 计算TFR
freqs = np.arange(7, 30, 3)  # 频率范围
n_cycles = freqs / 2.  # 使用半周期长度
power, itc = tfr_multitaper(epochs, freqs=freqs, use_fft=True,
                             n_cycles=n_cycles, return_itc=True)

# 对两个时间系列进行时间对齐
shifted_power, _ = mne.time_frequency.shift_time(power, -0.1, relative=True)  # 向左移动0.1秒

在这个例子中，我们首先创建了事件相关的 epochs，然后计算了它们的瞬时功率(TFR)。接着，`shift_time`函数接收功率谱和一个偏移量，使得后续分析时两个时间序列在同一刻对齐。