EEG特征提取：如何为特定通道绘制各频段波形？

要实现针对特定通道的频段波形绘制，核心是把原来遍历全通道的逻辑，改成只处理你指定的单个/多个通道，具体步骤和示例如下：

1. 确定目标通道的索引或名称 #

首先明确你要关注的通道：

• 如果你的EEG数据是(n_channels, n_samples)形状的NumPy数组，直接用通道索引（比如选第2个通道，索引为1，因为Python从0开始计数）；
• 如果数据带通道名称（比如['Fp1', 'Fp2', 'Fz', ...]），可以通过名称匹配找到对应索引。

2. 修改频段提取逻辑（针对单通道） #

假设你原来用PyWavelets做DWT分解，原来的代码可能是遍历所有通道处理，现在改成仅提取目标通道的数据做分解：

import pywt
import numpy as np
import matplotlib.pyplot as plt

# 假设你的EEG数据：shape=(n_channels, n_samples)，采样率250Hz
eeg_data = np.random.randn(19, 2500)  # 示例数据：19通道，10秒数据
channel_names = ['Fp1', 'Fp2', 'Fz', 'F3', 'F4', 'C3', 'C4', 'P3', 'P4', 'O1', 'O2', 'F7', 'F8', 'T7', 'T8', 'P7', 'P8', 'Fz', 'Cz']

# --- 修改点：指定目标通道 ---
target_channel_name = 'Fp1'
# 通过名称找索引
target_channel_idx = channel_names.index(target_channel_name)
# 提取目标通道的原始数据
target_eeg = eeg_data[target_channel_idx, :]

# DWT分解提取各频段（以db4小波，5层分解为例，对应常用EEG频段）
wavelet = 'db4'
levels = 5
coeffs = pywt.wavedec(target_eeg, wavelet, level=levels)

# 定义频段对应的系数（根据采样率250Hz，对应关系如下）
# Delta: 0-4Hz → cA5 (近似系数)
# Theta: 4-8Hz → d5
# Alpha: 8-13Hz → d4
# Beta:13-30Hz → d3
# Gamma:30-100Hz → d2
delta = pywt.waverec([coeffs[0]] + [np.zeros_like(c) for c in coeffs[1:]], wavelet)[:len(target_eeg)]
theta = pywt.waverec([np.zeros_like(coeffs[0])] + [np.zeros_like(c) for c in coeffs[1:5]] + [coeffs[5]] + [np.zeros_like(c) for c in coeffs[6:]], wavelet)[:len(target_eeg)]
alpha = pywt.waverec([np.zeros_like(coeffs[0])] + [np.zeros_like(c) for c in coeffs[1:4]] + [coeffs[4]] + [np.zeros_like(c) for c in coeffs[5:]], wavelet)[:len(target_eeg)]
beta = pywt.waverec([np.zeros_like(coeffs[0])] + [np.zeros_like(c) for c in coeffs[1:3]] + [coeffs[3]] + [np.zeros_like(c) for c in coeffs[4:]], wavelet)[:len(target_eeg)]
gamma = pywt.waverec([np.zeros_like(coeffs[0])] + [coeffs[2]] + [np.zeros_like(c) for c in coeffs[3:]], wavelet)[:len(target_eeg)]

# 整理各频段数据
bands = {
    'Delta (0-4Hz)': delta,
    'Theta (4-8Hz)': theta,
    'Alpha (8-13Hz)': alpha,
    'Beta (13-30Hz)': beta,
    'Gamma (30-100Hz)': gamma
}

3. 修改绘图逻辑（仅绘制目标通道的各频段） #

把原来遍历全通道绘图的代码，改成只绘制目标通道的5个频段，用子图展示更清晰：

# --- 修改点：仅绘制目标通道的各频段 ---
fig, axes = plt.subplots(nrows=5, ncols=1, figsize=(12, 10), sharex=True)
time = np.arange(len(target_eeg)) / 250  # 时间轴（秒）

for ax, (band_name, band_data) in zip(axes, bands.items()):
    ax.plot(time, band_data)
    ax.set_title(f'{target_channel_name} - {band_name}')
    ax.set_ylabel('Amplitude')

axes[-1].set_xlabel('Time (s)')
plt.tight_layout()
plt.show()

补充说明 #

• 如果要同时处理多个特定通道，只需把目标通道改成一个列表，比如target_channels = ['Fp1', 'Cz']，然后循环遍历每个通道重复上述处理和绘图即可；
• 注意DWT分解的层数和频段对应关系需要根据你的EEG采样率调整，比如采样率128Hz时，频段对应的分解层数会有变化，你可以根据实际情况修改系数的选取逻辑。

内容的提问来源于stack exchange，提问作者Rishi Garg