python提取脑电psd特征

使用Python提取脑电PSD特征可以按照以下步骤进行：

1. 载入脑电数据，通常是以mat格式存储。

import scipy.io as sio
data = sio.loadmat('EEGdata.mat')

2. 选择感兴趣的电极信号。

eegdata = data['EEG'] # 获取所有电极信号
F4 = eegdata[4,:] # 选择第五个电极F4的信号

3. 对选定电极的信号进行预处理，如去除噪声和基线漂移。

from scipy import signal
fs = 1000 # 采样率
nyq = 0.5 * fs
low = 1 / nyq
high = 40 / nyq
b, a = signal.butter(4, [low, high], 'bandpass')
filtered_data = signal.filtfilt(b, a, F4)

4. 对预处理后的信号进行功率谱密度(PSD)估计。

from scipy import signal
f, Pxx = signal.welch(filtered_data, fs, nperseg=1024)

5. 对PSD进行特征提取，如均值、方差、峰值等。

import numpy as np
mean_PSD = np.mean(Pxx)
std_PSD = np.std(Pxx)
max_PSD = np.max(Pxx)

6. 将步骤4和步骤5组合成一个函数，以便对多个电极的信号进行特征提取。

def extract_PSD_features(eegdata, fs):
    features = []
    for i in range(eegdata.shape[0]):
        # 预处理
        nyq = 0.5 * fs
        low = 1 / nyq
        high = 40 / nyq
        b, a = signal.butter(4, [low, high], 'bandpass')
        filtered_data = signal.filtfilt(b, a, eegdata[i,:])
        # PSD估计
        f, Pxx = signal.welch(filtered_data, fs, nperseg=1024)
        # 特征提取
        mean_PSD = np.mean(Pxx)
        std_PSD = np.std(Pxx)
        max_PSD = np.max(Pxx)
        features.append([mean_PSD, std_PSD, max_PSD])
    return np.array(features)