信号数据C0 Complexity计算

最新推荐文章于 2025-07-14 16:59:21 发布

原创最新推荐文章于 2025-07-14 16:59:21 发布 · 768 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#eeg #信号处理 #C0复杂度 #特征提取

EEG相关专栏收录该内容

14 篇文章

订阅专栏

该博客介绍了一种计算癫痫缺席发作C0复杂度的方法。通过快速傅里叶变换(FFT)处理信号，计算幅度谱平均值，然后过滤掉低于平均值的频谱成分，再进行逆FFT转换。最后，通过比较原始信号与处理后的信号差异来计算C0复杂度，用于评估癫痫发作的复杂性。

参考论文：The study of c0 complexity on epileptic absence seizure

def C0_complexity(single):
    '''
        计算C0复杂度 
    '''

    x = fft(single)
    N = x.shape[0]

    avgx = np.average(x)    # 计算幅度谱的平均值

    new_x = []
    for i in x:
        if abs(i) > avgx:
            new_x.append(i)
        else:
            new_x.append(0)

    new_x = np.array(new_x)

    new_s = ifft(new_x)

    c0_cplx = 0

    for i in range(single.shape[0]):
        c0_cplx += abs(single[i]-new_s[i]) / abs(single[i])

    return c0_cplx