脑机接口基础学习01-MNE-Python详细安装与使用

未来计算机直博的研究方向是脑机接口方面，因为之前没接触过，所以准备今年开始接触这方面的知识，开始自己学习啦，来这里记录一下
MNE-Python是一款开源的用于EEG/EMG分析、处理和显示的软件。遵循BSD-license协议，由Harvard大学牵头，社区共同开发。主要功能包括：EEG/MEG信号的预处理和去噪，源估计，时频分析，统计测试，功能性连接，机器学习，传感器和源的可视化等等。

1.安装MNE-Python
安装过程非常简单，在cmd中输入 pip install -U mne

安装过程很简单，如果出错可以私聊我我们一起探讨一下
2.下载MNE-Python案例数据
可以去python官方网站下载，也可以编译时下载，但是这两种方法都很慢，因为示例数据大小有1.3G左右，最快的方法就是私聊我，我把我下载好的给你，O(∩_∩)O哈哈~

这是编译时下载的方法

data_path = sample.data_path()
raw_fname = data_path + '/MEG/sample/sample_audvis_raw.fif'
fwd_fname = data_path + '/MEG/sample/sample_audvis-meg-eeg-oct-6-fwd.fif'

下载好后来看一下部分数据吧

#引入相应的python库
import mne
from mne.datasets import sample
import matplotlib.pyplot as plt

#fif文件存放地址
fname=r'E:\脑机接口资料\MNE-sample-data\MEG\sample\sample_audvis_raw.fif'

#读取fif文件
raw=mne.io.read_raw_fif(fname)


"""
案例：
获取10-20秒内的良好的MEG数据

# 根据type来选择 那些良好的MEG信号(良好的MEG信号，通过设置exclude="bads") channel,
结果为 channels所对应的的索引
"""
picks = mne.pick_types(raw.info, meg=True, exclude='bads')
t_idx = raw.time_as_index([10., 20.])
data, times = raw[picks, t_idx[0]:t_idx[1]]
plt.plot(times,data.T)
plt.title("Sample channels")
plt.show()

暂时还有些看不懂，但是感觉好复杂的亚子