如何代码形式实现EEG数据的滤波

滤波是EEG信号处理中常用的一种技术，可以去除噪声和干扰，提高信号的质量和可读性。以下是Python代码形式实现EEG数据的滤波的一个例子：

import numpy as np
from scipy import signal

# 生成随机EEG数据
eeg_data = np.random.rand(1000)

# 设计滤波器
nyquist_freq = 0.5 * 250  # 采样频率为250Hz
low_cutoff = 8  # 低通滤波器截止频率为8Hz
high_cutoff = 30  # 高通滤波器截止频率为30Hz
low_pass_filter = signal.butter(4, low_cutoff/nyquist_freq, btype='lowpass')
high_pass_filter = signal.butter(4, high_cutoff/nyquist_freq, btype='highpass')

# 应用滤波器
filtered_data = signal.filtfilt(low_pass_filter[0], low_pass_filter[1], eeg_data)
filtered_data = signal.filtfilt(high_pass_filter[0], high_pass_filter[1], filtered_data)

# 显示滤波前后的EEG数据
import matplotlib.pyplot as plt

fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True)
ax1.plot(eeg_data)
ax1.set_title('Raw EEG Data')
ax2.plot(filtered_data)
ax2.set_title('Filtered EEG Data')
plt.show()

其中，`np.random.rand(1000)`生成了1000个随机数，模拟了EEG数据。`signal.butter()`函数设计了一个4阶Butterworth滤波器，分别对低频和高频进行滤波。`signal.filtfilt()`函数将滤波器应用于原始EEG数据，并返回滤波后的数据。最后，使用Matplotlib将滤波前后的EEG数据可视化。