badblocks检测坏道_badblocks检测坏道[通俗易懂]

badblocks检测坏道_badblocks检测坏道[通俗易懂]importnumpyasnpimportneoimportmneimportmatplotlib.pyplotasplt#创建任意数据sfreq=20#采样频率times=np.arange(0,5,0.05)#Us

badblocks检测坏道_badblocks检测坏道[通俗易懂]

import numpy as np
import neo
 
 
import mne
import matplotlib.pyplot as plt
# 创建任意数据
sfreq = 20  # 采样频率
times = np.arange(0, 5, 0.05)  # Use 10000 samples (10s)
 
 
sin = np.sin(times * 10)  # 乘以 10 缩短周期
cos = np.cos(times * 10)
sinX2 = sin * 2
cosX2 = cos * 2
 
 
# 数组大小为 4 X 10000.
data = np.array([sin])
 
 
# 定义 channel types and names.
ch_types = [‘mag’]
ch_names = [‘sin’]

“””
创建info对象
“””
info = mne.create_info(ch_names=ch_names,
                       sfreq=sfreq, 
                       ch_types=ch_types)
“””
利用mne.io.RawArray创建raw对象
“””
#raw = mne.io.RawArray(data, info)

#picks = mne.pick_types(
#       info, meg=False, eeg=True, stim=False,
#        include=ch_names
#    )
#raw.save(“raw.fif”, picks=picks, overwrite=True)

print(info)
#print(raw)
#print(data)
“””
对图形进行缩放
对于实际的EEG / MEG数据,应使用不同的比例因子。
对通道mag的数据进行2倍缩小,对grad的数据进行1.7倍缩小
“””
#scalings = {‘mag’: 2, ‘grad’:1.7}
 
 
#raw.plot(n_channels=4, scalings=scalings, title=’Data from arrays’,show=True, block=True)
 
 
“””
可以采用自动缩放比例
只要设置scalings=’auto’即可
“””

#scalings = ‘auto’
#raw.plot(n_channels=4, scalings=scalings,title=’Auto-scaled Data from arrays’,show=True, block=True)
#plt.show()

(mne-1.0.0_0) D:\>python raw_test3.py
<Info | 7 non-empty values
 bads: []
 ch_names: sin
 chs: 1 Magnetometers
 custom_ref_applied: False
 highpass: 0.0 Hz
 lowpass: 10.0 Hz
 meas_date: unspecified
 nchan: 1
 projs: []
 sfreq: 20.0 Hz
>

今天的文章badblocks检测坏道_badblocks检测坏道[通俗易懂]分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/89668.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注