航弈生物BCIduino脑肌电模组滤波和频谱计算操作

本文介绍用python对航弈生物BCIduino放大器脑电/肌电数据进行滤波及频谱计算。

本文介绍如何用python mne对fif格式保存的脑电数据进行读取和简单的滤波，并用numpy对上述数据进行FFT分析，绘制相应的图像。本稿不涉及BCIduino数据如何保存，关于数据如何保存会在之后的文章给出。本文基于一个已经保存好的.fif格式的BCIduino肌电数据，数据保存了大约40s的肌电信号，信号内容是正常人模拟帕金森患者震颤时的肌电信号，采样频率250Hz，一共采集了5次，每次4s，对应fif文件中的标签11。

1.读取数据及利用mne简单滤波
关键代码

前提是安装了mne库，安装方法是：在dos窗口里运行pip install mne，如下

raw这个变量就是获取到的原始数据，如果需要了解raw的信息，可以多运行一行
print(raw)，可以看到dos窗口会打印出下列信息：
可以看出这段数据一共45.6s，一共9个通道（其中第0个是event通道，第1-8个是原始数据通道），一共11401个采样点，采样频率我们已经知道是250Hz，可以算出来确实是45.6s的数据。

把原始数据存到变量里之后，我们可以找一下events（即标签），运行：
此时dos窗口输出：

我们关心的数据是标签11对应的数据，其他标签对应的数据对我们意义不大。因此要找出相应的数据段。

上述代码语句将raw（原始数据）中event_id=11的数据提取出（一共提取了4s，从标签11开始出现开始截取数据，一共截取4s，这4s的数据是有意义的）。
如果将epoch打印出，即print（epochs），可以看到一共有五段数据，因为我们一共采集了5次数据，每次4s，如下：

然后将epoch数据转化为evoked数据（方便处理）
evoked = epochs.average()
相当于将epochs的5段数据进行了平均。然后对evoked数据进行带通滤波:
evoked.filter(l_freq=4,h_freq=8.0)
并对evoked数据绘图：
evoked.plot(titles=‘EMG’,window_title=‘EMG(Hangyi Biotech)’)
输出图像为

2.对evoked数据进行FFT计算
该部分借鉴：
https://blog.****.net/qq_39516859/article/details/79794549博客




上述数据保存在百度网盘：
链接:https://pan.baidu.com/s/1FB27La-hJn1bEXnjgv7mqA 密码:v9bi
其中只有一份很小的fif文件，可以先拿来练手。

#本篇由BCIduino脑机接口开源社区原创（公众号“BCIduino脑机接口社区”）。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫下面码加入社群，也欢迎采购BCIduino脑电模块和外骨骼等（某宝搜索即可或者扫码详询）。