Python绘制EEG数据频谱图遇故障，求技术排查指导

1. 降采样引发的ValueError问题 #

问题原因 #

该错误本质是降采样后信号长度与原数据索引长度不匹配。如果你的EEG数据存储在带索引的结构（如Pandas DataFrame/Series）中，直接将降采样后的数组赋值回原列，会因新信号长度（原长度的1/2，256Hz→128Hz是整数倍降采样）与原索引长度不一致触发报错。

解决步骤 #

先将信号提取为NumPy数组处理，完成后重新匹配索引或创建新数据结构：

import numpy as np
import pandas as pd
from scipy import signal

# 假设原始数据存在df中，TP9为目标通道
raw_signal = df['TP9'].values
fs_orig = 256
fs_target = 128

# 带通滤波：用filtfilt避免相位偏移，butter阶数设为4（常用值）
b, a = signal.butter(4, [1, 50], btype='bandpass', fs=fs_orig)
filtered_signal = signal.filtfilt(b, a, raw_signal)

# 整数倍降采样用decimate更高效（q=2对应2倍降采样）
downsampled_signal = signal.decimate(filtered_signal, q=2, ftype='iir')

# 生成匹配的时间索引，或截断原索引到新长度
new_time = np.linspace(0, len(raw_signal)/fs_orig, len(downsampled_signal))
processed_df = pd.DataFrame({'TP9': downsampled_signal}, index=new_time)

注意：若用signal.resample，需指定目标长度len(raw_signal)//2，但整数倍降采样优先选decimate，它会先做抗混叠滤波（你已提前做50Hz低通，也可省略内部滤波，但保留也不影响）。

2. 频谱图无信号显示问题 #

可能原因 #

• 信号处理后幅值过小或全零（滤波/降采样参数错误）
• signal.spectrogram参数设置不合理（窗口大小、重叠率、频率范围）
• 绘图时未正确转换数据格式或过滤无效频率

解决步骤 #

第一步：验证处理后信号有效性

先绘制时域图确认信号未丢失：

import matplotlib.pyplot as plt
plt.plot(processed_df.index, processed_df['TP9'])
plt.title('TP9 Processed EEG Signal')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.show()

第二步：正确绘制频谱图

使用合适的参数计算并绘制频谱图，重点关注频率范围和功率转换：

fs = 128
# 设置窗口大小为128（2的幂次，提升FFT效率），重叠率50%
f, t, Sxx = signal.spectrogram(
    processed_df['TP9'].values,
    fs=fs,
    nperseg=128,
    noverlap=64,
    scaling='density'
)

# 只显示0-50Hz的有效频率（对应你的滤波上限），转换为dB便于观察
plt.pcolormesh(t, f[f<=50], 10*np.log10(Sxx[f<=50]), cmap='viridis')
plt.ylabel('Frequency (Hz)')
plt.xlabel('Time (s)')
plt.title('TP9 EEG Spectrogram')
plt.colorbar(label='Power Spectral Density (dB/Hz)')
plt.ylim(0, 50)
plt.show()

注意：

• 若Sxx全零，检查滤波时btype是否设为bandpass，fs参数是否传入原始采样率
• 调整nperseg大小：值越大频率分辨率越高、时间分辨率越低，反之亦然，可根据需求微调（如64、256）

内容的提问来源于stack exchange，提问作者José Antonio Morán Rodríguez