脑电图信号的带宽

Question

我试着用Python语言对EEG信号进行FFT，然后根据带宽确定它是alpha信号还是beta信号。它看起来很好，但得到的曲线图与它们应该的完全不同，频率和震级值并不是我所期望的。如果有人愿意帮忙，代码如下：

from scipy.io import loadmat
import scipy
import numpy as np
from pylab import *
import matplotlib.pyplot as plt

eeg = loadmat("eeg_2013.mat");
eeg1=eeg['eeg1'][0]
eeg2=eeg['eeg2'][0]
fs = eeg['fs'][0][0]
fft1 = scipy.fft(eeg1)
f = np.linspace (fs,len(eeg1), len(eeg1), endpoint=False)
plt.figure(1)
plt.subplot(211)
plt.plot (f, abs (fft1))
plt.title ('Magnitude spectrum of the signal')
plt.xlabel ('Frequency (Hz)')
show()
plt.subplot(212)
fft2 = scipy.fft(eeg2)
f = np.linspace (fs,len(eeg2), len(eeg2), endpoint=False)
plt.plot (f, abs (fft2))
plt.title ('Magnitude spectrum of the signal')
plt.xlabel ('Frequency (Hz)')
show()

情节： 在

Answer 1

如果采样频率是fs，并且有N=len(eeg1)个样本，那么fft过程当然会返回一个N值的数组。其中第一个N/2对应于频率范围{}，频率的后半部分对应于镜像频率范围-fs/2..0。对于实际输入信号，镜像半部分只是正半部分的复共轭，因此在进一步的分析中可以忽略它（但在逆fft中则不能）。在

所以本质上，你应该格式化

f=linspace(0,N-1,N)*fs/N

编辑：或者更简单，只需对初始代码进行最小的更改

f = np.linspace (0,fs,len(eeg1), endpoint=False)

因此f的范围从0到fs之前，忽略输出中fft结果的后半部分：

plt.plot( f(0:N/2), abs( fft1(0:N/2) ) )

---

补充：您可以使用fftshift来交换两半，那么正确的频率范围是

f = np.linspace (-fs/2,fs/2,len(eeg1), endpoint=False)

Answer 2

为了得到fft频率的数组，您应该使用fftfreq；它提供了一个用作横坐标的频率数组：

from scipy.fftpack import fftfreq

eeg = loadmat("eeg_2013.mat");
eeg1=eeg['eeg1'][0]
eeg2=eeg['eeg2'][0]
fs = eeg['fs'][0][0]
fft1 = scipy.fft(eeg1)
f=fftfreq(eeg1.size,1/fs)

抱歉，我无法在实际情况下测试此代码，因为您没有发布数据示例，但我希望这应该可以工作。在

关于如何确定带宽，据我所知，你想得到基频。有不同的方法，或多或少复杂，不管你的信号是否有噪音。。。在你的例子中，你只想知道基频f0是在8-13Hz（alpha）还是13-30Hz（beta）范围内；一个非常简单的方法是计算fft在8-13Hz范围内的最大值：fft1[(f>8) & (f<13)].max()，如果它超过，比如说1000，那就是α波，否则就是β波。如果你的信号不太相似，请张贴一些不同种类的样本和结果的例子，以便我们可以尝试更复杂的算法。在