Question

我正在尝试在Python中执行EEG信号的FFT，然后根据带宽确定它是alpha还是beta信号。它看起来很好，但结果图不是他们应该的，频率和幅度值不是我预期的。任何帮助表示赞赏，这是代码：

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()

以及情节： img http://oi40.tinypic.com/2qdstg1.jpg

Answer 1

为了得到fft频率的数组，你应该使用fftfreq;它为您提供了一系列用作absciss的频率：

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)

很抱歉，我无法在实际情况下测试此代码，因为您没有发布数据样本，但我希望这可行。

关于如何确定带宽，据我所知，您希望获得基频。无论您的信号是否有噪声，都有不同的方式，或多或少复杂，......在您的情况下，您只想知道基频f0是否在8-13Hz（alpha）或13-30Hz（beta）范围内）;一个非常简单的方法是计算8-13Hz范围内fft的最大值：fft1[(f>8) & (f<13)].max()如果它超过1000比例，它就是一个alpha波，否则就是beta。如果您的信号不太相似，请发布一些不同类型的样本示例和结果，以便我们可以尝试更复杂的算法。

Answer 2

如果您的采样频率为fs并且您有N=len(eeg1)个样本，那么fft过程当然会返回N个值的数组。它们中的第一个N/2对应于频率范围0..fs/2，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，因此在进一步分析中可以忽略它（但不能在反fft中）。

基本上，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少的更改

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

所以f的范围从0到fs之前，并忽略输出中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交换两半，然后正确的频率范围是

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

EEG信号的带宽

2 个答案: