rsp

# 呼吸信号处理 ## 概述 NeuroKit2 中的呼吸信号处理功能支持对呼吸模式、呼吸频率、振幅和变异性进行分析。呼吸与心脏活动（呼吸性窦性心律不齐）、情绪状态和认知过程密切相关。 ## 主要处理工作流 ### rsp_process() 自动处理呼吸信号，包含波峰/波谷检测和特征提取。 python signals, info = nk.rsp_process(rsp_signal, sampling_rate=100, method='khodadad2018') **工作流步骤：** 1. 信号清洗（去噪、滤波） 2. 波峰（呼气）和波谷（吸气）检测 3. 呼吸频率计算 4. 振幅计算 5. 相位确定（吸气/呼气） 6. 每时间呼吸量 (RVT) **返回：** - `signals`: DataFrame，包含： - `RSP_Clean`: 滤波后的呼吸信号 - `RSP_Peaks`, `RSP_Troughs`: 极值标记 - `RSP_Rate`: 瞬时呼吸频率（次/分钟） - `RSP_Amplitude`: 逐次呼吸振幅 - `RSP_Phase`: 吸气 (0) 与呼气 (1) - `RSP_Phase_Completion`: 相位完成百分比 (0-1) - `RSP_RVT`: 每时间呼吸量 - `info`: 包含波峰/波谷索引的字典 **方法：** - `'khodadad2018'`: Khodadad 等人的算法（默认，稳健） - `'biosppy'`: 基于 BioSPPy 的处理（替代方案） ## 预处理函数 ### rsp_clean() 去除噪声并平滑呼吸信号。 python cleaned_rsp = nk.rsp_clean(rsp_signal, sampling_rate=100, method='khodadad2018') **方法：** **1. Khodadad2018 (默认):** - 巴特沃斯低通滤波器 - 去除高频噪声 - 保留呼吸波形 **2. BioSPPy:** - 替代滤波方法 - 性能与 Khodadad 相似 **3. Hampel 滤波器:** python cleaned_rsp = nk.rsp_clean(rsp_signal, sampling_rate=100, method='hampel') - 基于中位数的异常值去除 - 对伪影和尖峰具有稳健性 - 保留尖锐的过渡 **典型呼吸频率：** - 成人静息状态：12-20 次/分钟 (0.2-0.33 Hz) - 儿童：频率更快 - 运动期间：高达 40-60 次/分钟 ### rsp_peaks() 识别呼吸信号中的吸气波谷和呼气波峰。 python peaks, info = nk.rsp_peaks(cleaned_rsp, sampling_rate=100, method='khodadad2018') **检测方法：** - `'khodadad2018'`: 针对干净信号优化 - `'biosppy'`: 替代方法 - `'scipy'`: 基于 scipy 的简单检测 **返回