### 加载EEGLAB .set数据 EEGLAB 是一个用于处理脑电数据的常用工具，其保存的数据格式为 `.set` 文件，通常与 `.fdt` 文件配对使用。Python 中可以使用 `eeglabio` 或 `mne` 库读取 `.set` 文件。`mne` 提供了更全面的数据处理功能，适合进行频谱分析。 ```python import mne # 加载EEGLAB .set文件 raw = mne.io.read_raw_eeglab('your_file.set', preload=True) data = raw.get_data() # 形状为 (n_channels, n_times) fs = raw.info['sfreq'] # 获取采样频率 channels = raw.ch_name # 获取通道名称 ``` ### 频谱计算与FFT处理 对每个通道应用快速傅里叶变换（FFT），计算单边幅度谱。为提高频率分辨率并减少频谱泄漏，可对每个通道信号加窗（如汉宁窗）并进行零填充。 ```python import numpy as np # FFT 参数 n_channels, n_times = data.shape NFFT = 2 ** int(np.ceil(np.log2(n_times))) # 下一个2的幂次 f = np.linspace(0, fs / 2, NFFT // 2 + 1) # 初始化频谱矩阵 P = np.zeros((len(f), n_channels)) # 对每个通道进行FFT for i in range(n_channels): signal = data[i, :] * np.hanning(n_times) # 加窗处理 Y = np.fft.fft(signal, NFFT) / n_times P[:, i] = np.abs(Y[:NFFT // 2 + 1]) # 单边频谱 ``` ### 多通道频谱图绘制 使用 `matplotlib` 的 `pcolormesh` 或 `imshow` 绘制多通道频谱图，颜色深浅表示幅度强度，便于观察不同通道在不同频率的能量分布情况。 ```python import matplotlib.pyplot as plt # 绘制多通道频谱图 plt.figure(figsize=(12, 8)) plt.pcolormesh(f, np.arange(n_channels), P.T, shading='auto', cmap='jet') plt.xlabel('Frequency (Hz)') plt.ylabel('Channel') plt.title('Multi-channel Spectrum of EEG Data using FFT') plt.colorbar(label='Magnitude') plt.yticks(ticks=np.arange(n_channels), labels=channels) plt.tight_layout() plt.show() ``` ### 技术要点与注意事项 - **数据结构**：EEGLAB 数据加载后通常为 `(n_channels, n_times)` 的二维数组，适合逐通道处理。 - **窗函数**：使用汉宁窗等窗函数可减少频谱泄漏，提高频谱分析准确性。 - **频率分辨率**：通过增加 `NFFT` 提高频率分辨率，但需注意零填充对结果的影响。 - **可视化增强**：可通过对数尺度显示幅度，或限制频率范围以聚焦特定频段（如 α 波 8–13 Hz）[^1]。