使用mne python简单的处理脑电数据的代码演示

导入包

import mne #版本0。23
import scipy
import numpy as np
import scipy.io
import matplotlib.pyplot as plt
from mne.time_frequency import tfr_morlet, psd_multitaper, psd_welch

导入数据

samplesfile = scipy.io.loadmat('/Users/thrive/Library/Mobile Documents/com~apple~CloudDocs/发文章/code/dataset/classify/S1.mat') #文件读入字典
subjectdata = samplesfile['eeg'] #提取字典中的numpy数组

这里的数据是我自己的，暂时不分享，S1.mat是保存的eeg名称的结构体，里边有三维samples（16840200，16通道每个通道840个采样点，一共200个trial）和二维labels（200*2，这里只用一维标签里的0和1）

创建数据信息

sampling_freq=1200 #采样率1200Hz
ch_names = ['C1', 'C2', 'C3', 'C4', 'Cz', 'FCz', 'FC1', 'FC2', 'Fz', 'F2', 'F1', 'CPz', 'FC3', 'FC4', 'CP1', 'CP2'] #16个通道名称
ch_types = ['eeg']*16 #16个通道的属性都是eeg
info=mne.create_info(ch_names,ch_types=ch_types,sfreq=sampling_freq) #创建info
info.set_montage('standard_1020') #使用已有的电极国际10-20位置信息
info['description'] = 'My custom dataset' #自定义信息的描述
print(info)

结果：

提取数据（把samples和labels分别取出）

data=subjectdata['samples'][0]