python提取脑电PSD特征

脑电信号的功率谱密度（PSD）特征提取是脑电信号处理中的重要步骤，它可以用来描述脑电信号在不同频率上的能量分布情况，从而为后续的分类、识别和分析等任务提供基础。下面是一份Python实现的脑电PSD特征提取代码示例：

import numpy as np
import scipy.signal as signal

def eeg_psd_feature_extraction(eeg_data, fs):
    """
    功能：提取脑电信号的PSD特征
    输入：
        eeg_data：原始脑电信号数据，形状为（N, C）或（N, C, T），
                  其中N为样本数，C为通道数，T为采样点数（可选）
        fs：采样频率
    输出：
        psd_feature：脑电信号的PSD特征，形状为（N, C, F），
                     其中N为样本数，C为通道数，F为频率分辨率
    """
    # 对输入数据进行格式处理
    if eeg_data.ndim == 2:
        eeg_data = eeg_data[:, np.newaxis, :]
    n_samples, n_channels, n_points = eeg_data.shape
    
    # 计算PSD特征
    psd_feature = np.zeros((n_samples, n_channels, n_points//2 + 1))
    for i in range(n_samples):
        for j in range(n_channels):
            f, pxx = signal.welch(eeg_data[i, j, :], fs, nperseg=fs*2)
            psd_feature[i, j, :] = pxx
    return psd_feature

上述代码中使用了Scipy库中的`signal.welch()`函数进行PSD计算，其中`nperseg`参数表示每段信号的采样点数，这里设置为`fs*2`，即2秒的信号段。函数返回的`f`为频率分辨率，`pxx`为对应的功率谱密度值。最终输出的`psd_feature`为一个三维数组，分别表示样本数、通道数和频率分辨率。