使用MNE - Python对信号进行修剪和过滤

Question

我正在用python处理一个脑电图信号分析问题。我需要删除edf格式的信号，这是使用MNE加载的第一分钟以下和第六分钟以上的录音，并通过一个带通滤波器。我不熟悉MNE，所以在将其转换为原始NumPy数组格式后，使用scipy进行修剪和过滤。代码如下所示。由于采样率为100 Hz，我假设第一分钟将包含6,000个样本，接下来的5分钟将包含30000个以上的样本，这就是为什么我只采用raw_datai。

filtered_data[i] = butter_bandpass_filter(raw_data[i][6000:36000], lowcut, highcut, fs, order=5)

butter_bandpass_filter的定义如下

def butter_bandpass(lowcut, highcut, fs, order=5):
   nyq = 0.5 * fs
   low = lowcut / nyq
   high = highcut / nyq
   b, a = butter(order, [low, high], btype='band',analog=True)
   return b, a

def butter_bandpass_filter(data, lowcut, highcut, fs, order=5):
   b, a = butter_bandpass(lowcut, highcut, fs, order=order)
   y = lfilter(b, a, data)
   return y

但我觉得这不是正确的方法。有没有办法使用MNE-Python来完成上述任务，而不是将其转换为ndarray或使用scipy？

Answer 1

要只选择信号的一部分，可以在mne-python中执行以下操作：

raw.crop(tmin=60, tmax=360)

( tmin和tmax参数以秒为单位)

请记住，过滤将导致边缘伪影，因此最好先裁剪数据，以便留下您感兴趣的更宽的信号段，这样在过滤之后，您可以再次裁剪，丢弃边缘伪影。mne-python中的过滤也很简单：

raw.filter(1, None)

这将执行1 Hz高通FIR滤波。要了解有关mne-python中过滤的更多信息，请查看this tutorial和this detailed detailed tutorial/discussion