为什么mne resample方法不对数据进行点对点采样？
Why does mne resample method does not sample the data point to point?
我对下采样的理解是，它是通过保留第一个样本，然后在第一个样本之后每隔n个样本来降低x的采样率的操作。
scipy 包的重采样方法提供的示例清楚地说明了此操作，如描述的图片可从 link (https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.resample.html) 访问或提取如下
放大来看，可以看出原始数据点是逐点重采样的
但是，使用可通过 link 访问的下采样的 mne 示例
: https://mne.tools/dev/auto_examples/preprocessing/plot_resample.html
，我注意到数据点没有逐点重新采样，如下图所示
鉴于此，mne resample 基于 scipy 包的 resample 方法，如 mne resample 函数所示：
https://github.com/mne-tools/mne-python/blob/607fb4613fb5a80dd225132a4a53fe43b8fde0fb/mne/filter.py#L1342
请问这个问题是振铃问题还是其他问题？
此外，是否有缓解此问题的补救措施。
感谢您的任何见解。点赞
mne discussion repo 中提出了同样的问题，但截至撰写本文时尚未回答
My understanding of downsampling is that it is an operation to
decrease the sample rate of x by keeping the first sample and then
every nth sample after the first.
重采样通常包括两个步骤：低通滤波以避免混叠，然后降低采样率（从结果信号中选择样本）。低通实际上改变了值，因此过滤数据的子选择步骤不一定会产生“在”原始信号上的点。
May I know whether this issue is due to the ringing artifacts or due
to other problems?
在这种情况下，这可能是由于信号的频域重采样中的（隐式）低通滤波。这对我来说看起来很合理。如果你想尝试一下，你可以
- 直接对您的数据调用 scipy.signal.resample 并查看它的匹配程度。
- 填充你的信号，调用 scipy.signal.resample，然后删除（现在
减少长度）填充——这是 MNE 内部所做的。
- 直接对您的数据使用 scipy.signal.resample_poly。
- 手动低通滤波器，然后直接从低通信号中选择样本，这是 resample_poly 内部所做的。
此外，scipy.signal.resample 进行频域重采样，因此在下采样时隐式地使用 Nyquist 的砖墙滤波器（除非您为 window 参数指定一些内容，该参数应用于频率域以及有效的砖墙过滤器）。
p.s。提供的答案摘自与 mne 人员的讨论，即 Eric Larson、Brunner Clemens、Phillip Alday。应该给他们点赞
我对下采样的理解是，它是通过保留第一个样本，然后在第一个样本之后每隔n个样本来降低x的采样率的操作。 scipy 包的重采样方法提供的示例清楚地说明了此操作，如描述的图片可从 link (https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.resample.html) 访问或提取如下
放大来看，可以看出原始数据点是逐点重采样的
但是，使用可通过 link 访问的下采样的 mne 示例 : https://mne.tools/dev/auto_examples/preprocessing/plot_resample.html ，我注意到数据点没有逐点重新采样，如下图所示
鉴于此，mne resample 基于 scipy 包的 resample 方法，如 mne resample 函数所示： https://github.com/mne-tools/mne-python/blob/607fb4613fb5a80dd225132a4a53fe43b8fde0fb/mne/filter.py#L1342
请问这个问题是振铃问题还是其他问题？
此外，是否有缓解此问题的补救措施。
感谢您的任何见解。点赞
mne discussion repo 中提出了同样的问题，但截至撰写本文时尚未回答
My understanding of downsampling is that it is an operation to decrease the sample rate of x by keeping the first sample and then every nth sample after the first.
重采样通常包括两个步骤：低通滤波以避免混叠，然后降低采样率（从结果信号中选择样本）。低通实际上改变了值，因此过滤数据的子选择步骤不一定会产生“在”原始信号上的点。
May I know whether this issue is due to the ringing artifacts or due to other problems?
在这种情况下，这可能是由于信号的频域重采样中的（隐式）低通滤波。这对我来说看起来很合理。如果你想尝试一下，你可以
- 直接对您的数据调用 scipy.signal.resample 并查看它的匹配程度。
- 填充你的信号，调用 scipy.signal.resample，然后删除（现在 减少长度）填充——这是 MNE 内部所做的。
- 直接对您的数据使用 scipy.signal.resample_poly。
- 手动低通滤波器，然后直接从低通信号中选择样本，这是 resample_poly 内部所做的。
此外，scipy.signal.resample 进行频域重采样，因此在下采样时隐式地使用 Nyquist 的砖墙滤波器（除非您为 window 参数指定一些内容，该参数应用于频率域以及有效的砖墙过滤器）。
p.s。提供的答案摘自与 mne 人员的讨论，即 Eric Larson、Brunner Clemens、Phillip Alday。应该给他们点赞