如何使用 MNE-python 拆分不同频段的 EEG 诱发电位？
How can I split EEG evoked potentials in different frequency bands using MNE-python?
到目前为止，我已经计算出了诱发电位。但是，我想看看与其他波段相比，theta 波段中是否有相对更多的 activity。当我使用 mne.Evoked.filter 时，我得到一个看起来很像正弦波的图，不包含任何有用的信息。此外，边缘区域（时间从 -0.2s 到 1s）高度扭曲。
过滤总是会导致边缘伪影，尤其是对于像 theta（较长的过滤器）这样的低频。要对低频信号进行分析，您应该将数据划分为比您感兴趣的时间段更长的段（epoch）。
此外，如果您对 theta 振荡感兴趣，则执行时频分析比过滤 ERP 更好。 ERP 仅包含时间锁定 activity，而通过时间-频率表示，即使在试验中相位未对齐的时间段内，您也可以看到 theta。例如，您可能想要关注 this tutorial。
还要确保在 mne 文档中看到许多丰富的 tutorials and examples。
如果您有任何进一步的问题，我们现在使用 Discourse：https://mne.discourse.group/
到目前为止，我已经计算出了诱发电位。但是，我想看看与其他波段相比，theta 波段中是否有相对更多的 activity。当我使用 mne.Evoked.filter 时，我得到一个看起来很像正弦波的图，不包含任何有用的信息。此外，边缘区域（时间从 -0.2s 到 1s）高度扭曲。
过滤总是会导致边缘伪影，尤其是对于像 theta（较长的过滤器）这样的低频。要对低频信号进行分析，您应该将数据划分为比您感兴趣的时间段更长的段（epoch）。
此外，如果您对 theta 振荡感兴趣，则执行时频分析比过滤 ERP 更好。 ERP 仅包含时间锁定 activity，而通过时间-频率表示，即使在试验中相位未对齐的时间段内，您也可以看到 theta。例如，您可能想要关注 this tutorial。
还要确保在 mne 文档中看到许多丰富的 tutorials and examples。 如果您有任何进一步的问题，我们现在使用 Discourse：https://mne.discourse.group/