高等数学 —— 级数

傅里叶变换解决的问题

傅里叶变换

  1. 傅里叶级数： 周期性的函数f(t) 都考研变换维一系列的正（余）弦函数的组合。

时域 ——傅里叶变换—— 频率，相位，增幅。
连续的


2. 傅里叶变换 （非连续）
欧拉公式

  1. 应用： 声音的处理 ，图像的处理

波段

提取脑电波（EEG）中的不同波段通常使用数字滤波器来分离特定频率范围的信号。以下是一些常见的脑电波段及其频率范围：

  • Delta波：0.5–4 Hz
  • Theta波：4–8 Hz
  • Alpha波：8–13 Hz
  • Beta波：13–25 Hz
  • Gamma波：25–45 Hz
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
import os
import mne
import numpy as np

# 定义所需通道的列表
channels = ['Fp1', 'Fp2', 'F7', 'F3', 'Fz', 'F4', 'F8', 'T3', 'C3', 'Cz', 'C4', 'T4', 'T5', 'P3', 'Pz', 'P4', 'T6', 'O1', 'O2']
# 输入和输出文件夹路径列表
input_folders = ['公开数据集/AD', '公开数据集/CN']
output_folders = [ 'guding_channl/AD', 'guding_channl/CN']


# 定义函数来处理EDF文件
def process_edf_file(file_path, output_folder):
    # 读取EDF文件
    raw = mne.io.read_raw_edf(file_path, preload=True)
    
    # 检查通道数量
    if not all(ch in raw.ch_names for ch in channels):
        print(f"文件 {file_path} 不包含所有所需通道，跳过处理。")
        return
    
    # 删除不需要的通道，只保留指定的通道
    raw.pick_channels(channels)
    
    # 按照指定顺序重新排列通道
    raw.reorder_channels(channels)
    
    # 提取Delta波段
    Delta_data = raw.copy().filter(0.5, 4, fir_design='firwin').get_data()
    
    # 提取Theta波段 (4-8 Hz)
    theta_data = raw.copy().filter(4, 8, fir_design='firwin').get_data()

    # 提取Alpha波段 (8-13 Hz)
    alpha_data = raw.copy().filter(8, 13, fir_design='firwin').get_data()
    
    # 提取Beta
    Beta_data = raw.copy().filter(13, 25, fir_design='firwin').get_data()

    # 提取Gammma
    Gamma_data = raw.copy().filter(25, 45, fir_design='firwin').get_data()
    
    # 堆叠Alpha和Theta波段的数据
    stacked_data = np.stack((Delta_data, theta_data,alpha_data,Beta_data,Gamma_data),axis=0)
    print(stacked_data.shape)
    # 获取文件名（不包含扩展名）
    file_name = os.path.splitext(os.path.basename(file_path))[0]
    
    # 构建保存路径
    save_path = os.path.join(output_folder, f'{file_name}_processed.npy')
    
    # 保存处理后的EEG数据为npy文件
    np.save(save_path, stacked_data)
    print(f"处理并保存文件: {save_path}")


def process_set_file(file_path, output_folder):
    # 读取SET文件
    raw = mne.io.read_raw_eeglab(file_path, preload=True)
    
    # 上采样到512采样率
    raw.resample(512)
    
    # 检查通道数量
    if not all(ch in raw.ch_names for ch in channels):
        print(f"文件 {file_path} 不包含所有所需通道，跳过处理。")
        return
    
    # 删除不需要的通道，只保留指定的通道
    raw.pick_channels(channels)
    
    # 按照指定顺序重新排列通道
    raw.reorder_channels(channels)
    
  # 提取Delta波段
    Delta_data = raw.copy().filter(0.5, 4, fir_design='firwin').get_data()
    
    # 提取Theta波段 (4-8 Hz)
    theta_data = raw.copy().filter(4, 8, fir_design='firwin').get_data()

    # 提取Alpha波段 (8-13 Hz)
    alpha_data = raw.copy().filter(8, 13, fir_design='firwin').get_data()
    
    # 提取Beta
    Beta_data = raw.copy().filter(13, 25, fir_design='firwin').get_data()

    # 提取Gammma
    Gamma_data = raw.copy().filter(25, 45, fir_design='firwin').get_data()
    
    # 堆叠Alpha和Theta波段的数据
    stacked_data = np.stack((Delta_data, theta_data,alpha_data,Beta_data,Gamma_data),axis=0)
    print(stacked_data.shape)
    # 获取文件名（不包含扩展名）
    file_name = os.path.splitext(os.path.basename(file_path))[0]
    
    # 构建保存路径
    save_path = os.path.join(output_folder, f'{file_name}_processed.npy')
    
    # 保存处理后的EEG数据为npy文件
    np.save(save_path, stacked_data)
    print(f"处理并保存文件: {save_path}")


# 定义函数来处理文件，根据文件后缀选择处理方法
def process_file(file_path, output_folder):
    file_extension = os.path.splitext(file_path)[1]
    if file_extension == '.edf':
        process_edf_file(file_path, output_folder)
    elif file_extension == '.set':
        process_set_file(file_path, output_folder)
    else:
        print(f"文件 {file_path} 格式不支持，跳过处理。")


# 确保文件夹数量相同
assert len(input_folders) == len(output_folders), "输入和输出文件夹数量不匹配"

# 创建新文件夹
for output_folder in output_folders:
    os.makedirs(output_folder, exist_ok=True)

# 遍历每个输入文件夹
for input_folder, output_folder in zip(input_folders, output_folders):
    for file_name in os.listdir(input_folder):
        file_path = os.path.join(input_folder, file_name)
        # 根据文件后缀选择处理方法
        process_file(file_path, output_folder)


PSD处理方法已经被验证，上述代码没有问题。

#高等数学
高等数学 —— 级数
https://chenlidbk.xyz/2024/06/09/gaodengshuxue6/
作者
chenchangqing
发布于
2024年6月9日
许可协议