信息处理 - Python MNE - 从数组中读取 EEG 数据 - 吾爱随笔录

我有以 3D numpy 数组（epoch * channel * timepoint）形式出现的 EEG 数据。timepoint 是一个 256 个元素的数组，包含每个采样的时间点（总共 1 秒，256Hz）。epoch 是一个实验性的试验。

我正在尝试将 numpy 数组导入 Python-MNE ( http://martinos.org/mne/stable/mne-python.html ) 可以理解的形式，但我遇到了一些麻烦

首先，我不确定是否应该将这些原始数据作为 RawArray 或 EpochsArray 导入。我用这个尝试了后者：

ch_names = list containing my 64 eeg channel names
allData = 3d numpy array as described above

info = mne.create_info(ch_names, 256, ch_types='eeg')

event_id = 1

#I got this from a tutorial but really unsure what it does and I think this may be the problem
events = np.array([200, event_id])  #I got this from a tutorial but really unsure what it does and I think this may be the problem

raw = mne.EpochsArray(allData, info, events=events)

picks = mne.pick_types(info, meg=False, eeg=True, misc=False)

raw.plot(picks=picks, show=True, block=True)

当我运行它时，我得到一个索引错误：“数组索引太多”

最终我想对数据进行一些 STFT 和 CSP 分析，但现在我需要一些帮助来进行初始重组和导入 MNE。

导入这个 numpy 数据的正确方法是什么，可以最容易地完成我的预期分析？

import numpy as np from mne import create_info, EpochsArray n_epochs = 100 channels = ["a", "b", "c", "d"] n_channels = len(channels) events = np.array([np.arange(n_epochs), np.ones(n_epochs), np.ones(n_epochs)]).T.astype(int) d = np.random.random((n_epochs, n_channels, 256)) info = create_info(channels, 256, "eeg") epochs = EpochsArray(d, info, events) epochs.plot(show=True, block=True)