利用信号处理技术和模式识别理论实现脑电睡眠特征的提取和分类,研究目标是基于单通道EEG的时频特征的提取与分类。主要内容是首先将给定的原始EEG脑电信号数据,进行分类别可视化处理,之后提取特征数据并进行可视化,最后进入分类器,实现分类,并输出测试混淆矩阵与准确率结果。
(1)分别读取EEG信号数据文件与对应的标签文件;
(2)采用巴特沃斯滤波器对读入的数据文件进行0.5-30Hz滤波处理;
(3)调用matplotlib.pylab库对原始数据进行分类别可视化处理,并以滤波后可视化图像进行对比;
(4)调用numpy库,pandas库函数及自带基础函数,实现数据的特征提取;
(5)调用sklearn preprocessing库函数,实现数据特征标准化处理;
(6)调用pandas库函数,输出特征提取表,sheet1未标准化,sheet2标准化;
(7)读入特征提取表sheet(标准化处理后),进行训练集与测试集划分;
(8)调用sklearn库confusion_matrix与 neighbors函数,实现knn分类与测试,输出测试混淆矩阵与准确率结果