python实现用fft对EEG信号绘制平均频谱图

### 3.1 数据预处理与频谱分析在进行 EEG 信号的频谱分析之前，通常需要对原始信号进行预处理，以去除噪声和伪影。例如，常见的 50Hz 工频干扰可以通过 `notch_filter` 方法去除，同时可以对特定频率范围进行带通滤波，以聚焦于感兴趣的脑电波频段（如 7–14 Hz 的运动想象频段）[^2]。 ```python import mne # 加载原始EEG数据（假设为.edf或.fif格式） raw = mne.io.read_raw_edf('eeg_data.edf', preload=True) # 去除50Hz电源噪声 raw.notch_filter(50) # 滤波以捕获运动想象频率范围（如7-14Hz） raw.filter(7, 14) # 提取数据用于FFT分析 data, times = raw[:] ``` ### 3.2 应用FFT并计算平均频谱对预处理后的 EEG 数据应用快速傅里叶变换（FFT），可以将其从时域转换到频域。为了获得平均频谱图，通常对多个通道或多个试验的数据进行平均。 ```python from scipy.fft import fft import numpy as np import matplotlib.pyplot as plt # 选择一个通道或对所有通道取平均 channel_data = np.mean(data, axis=0) # 对所有通道取平均 # 应用FFT fs = raw.info['sfreq'] # 获取采样率 n = len(channel_data) X = fft(channel_data) frequencies = np.linspace(0, fs, n) magnitude = np.abs(X / n) # 只取正频率部分 half_n = n // 2 frequencies = frequencies[:half_n] magnitude = magnitude[:half_n] magnitude[1:] *= 2 # 调整幅度以反映真实能量 # 绘制平均频谱图 plt.figure(figsize=(10, 6)) plt.plot(frequencies, magnitude, 'b') plt.title('Average EEG Frequency Spectrum') plt.xlabel('Frequency (Hz)') plt.ylabel('Magnitude |P(f)|') plt.grid() plt.show() ``` 该方法计算了 EEG 信号的平均频谱，有助于识别主要频率成分，如 α 波（8–13 Hz）或 β 波（13–30 Hz），并可用于分析大脑在特定任务下的活动模式[^1]。 ### 3.3 频谱分析的应用平均频谱图在脑机接口（BCI）研究中具有重要意义，例如在运动想象任务中识别特定频段的功率变化。此外，结合典型相关分析（CCA）等方法，可以进一步提取与视觉刺激相关的特征[^1]。 --- ###

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考