通过给定Python代码处理后信号的格式化方式是怎样的？

整个处理流程围绕单通道脑电信号的语谱图生成做逐环节适配，具体格式化规则如下：

• 原始数据基础属性：输入的mat文件存储15通道的癫痫发作前期脑电信号，总时长600秒，采样率5000Hz，单通道共300万个采样点，和5000Hz * 600s的计算结果完全匹配。
• 加载环节的裁剪：通过scipy.io.loadmat读取mat文件后，代码未使用全部15通道数据，经多层结构体索引后仅提取第一个通道的信号；后续循环仅处理信号最开头的10000个采样点，按5000点的步长切分，最终得到2段长度为5000点的信号切片，每段刚好对应1秒时长，也就是原始信号开头连续2秒的内容。
• 时频域转换：对每段1秒的时域切片，调用spectrogram函数计算双边语谱图（设置return_onesided=False不做单边谱截断），输出三类结果：频率轴坐标数组、时间轴坐标数组、二维原始功率谱矩阵，矩阵内每个值对应某一时刻、某一频率点的信号能量。
• 数值范围适配：首先对原始功率谱做np.log1p()变换（即计算log(1 + 功率值)），压缩大能量值的动态范围，避免强弱能量差过大导致弱信号特征被掩盖；之后将变换后的矩阵除以自身全局最大值，把所有像素值压缩到0~1的区间，完全匹配灰度图的输入数值要求。
• 最终可视化渲染：用灰度色阶映射归一化后的矩阵值，像素越亮代表对应时频点的信号能量越高，越暗代表能量越低，最终输出灰度格式的语谱图。

内容的提问来源于stack exchange，提问作者Palmen