signal_processing

# 通用信号处理 ## 概述 NeuroKit2 提供全面的信号处理工具，适用于任何时间序列数据。这些函数支持跨所有信号类型的滤波、变换、峰值检测、分解和分析操作。 ## 预处理函数 ### signal_filter() 应用频域滤波以去除噪声或隔离频段。 python filtered = nk.signal_filter(signal, sampling_rate=1000, lowcut=None, highcut=None, method='butterworth', order=5) **滤波器类型（通过 lowcut/highcut 组合）：** **低通** (仅 highcut): python lowpass = nk.signal_filter(signal, sampling_rate=1000, highcut=50) - 去除高于 highcut 的频率 - 平滑信号，去除高频噪声 **高通** (仅 lowcut): python highpass = nk.signal_filter(signal, sampling_rate=1000, lowcut=0.5) - 去除低于 lowcut 的频率 - 去除基线漂移、直流偏移 **带通** (同时包含 lowcut 和 highcut): python bandpass = nk.signal_filter(signal, sampling_rate=1000, lowcut=0.5, highcut=50) - 保留 lowcut 和 highcut 之间的频率 - 隔离特定频段 **带阻/陷波** (去除电源线噪声): python notch = nk.signal_filter(signal, sampling_rate=1000, method='powerline', powerline=50) - 去除 50 或 60 Hz 电源线噪声 - 窄带陷波滤波器 **方法：** - `'butterworth'` (默认): 平滑频率响应，通带平坦 - `'bessel'`: 线性相位，最小振铃效应 - `'chebyshev1'`: 更陡峭的滚降，通带内有纹波 - `'chebyshev2'`: 更陡峭的滚降，阻带内有纹波 - `'elliptic'`: 最陡峭的滚降，两个频带内均有纹波 - `'powerline'`: 用于 50/60 Hz 的陷波滤波器 **阶数参数：** - 高阶：更陡峭的过渡，更多的振铃效应 - 低阶：更平缓的过渡，更少的振铃效应 - 典型值：生理信号为 2-5 ### signal_sanitize() 去除无效值 (NaN, inf) 并可选择进行插值。 python clean_signal = nk.signal_sanitize(signal, interpolate=True) **使用场景：** - 处理缺失数据点 - 去除标记为 NaN 的伪影 - 为需要连续数据的算法准备信号 ### signal_resample() 改变信号的采样率（上采样或下采样）。 python resampled = nk.signal_resample(signal, sampling_rate=1000, desired_sampling_rate=500, method='interpolation') **方法：** - `'interpolation'`: 三次样条插值