EMD对脑电信号降噪 python代码

EMD（Empirical Mode Decomposition）是一种信号处理方法，用于将非线性和非平稳信号分解成一系列固有模态函数（IMF）的和残差。对于脑电信号降噪，可以使用EMD来提取出脑电信号中的主要成分。

以下是使用Python实现EMD对脑电信号降噪的代码示例：

import numpy as np
import matplotlib.pyplot as plt
from PyEMD import EMD

# 生成示例脑电信号
t = np.linspace(0, 1, 1000)
s = np.sin(2 * np.pi * 5 * t) + np.sin(2 * np.pi * 10 * t) + np.random.randn(len(t))

# 创建EMD对象
emd = EMD()

# 对脑电信号进行分解
IMFs = emd.emd(s)

# 绘制分解后的IMFs
plt.figure()
for i, imf in enumerate(IMFs):
    plt.subplot(len(IMFs), 1, i+1)
    plt.plot(t, imf, 'r')
    plt.ylabel('IMF %d' % (i+1))
plt.xlabel('Time')
plt.show()

上述代码中，首先使用`numpy`生成了一个示例的脑电信号`s`，然后创建了一个`EMD`对象。接下来，调用`emd.emd()`方法对脑电信号进行分解，得到一系列的IMFs。最后，使用`matplotlib`库将分解后的IMFs绘制出来。