0

我对下采样的理解是，它是一种通过保留第一个样本然后在第一个样本之后的每第 n 个样本来降低 x 的采样率的操作。从 scipy 包的 resample 方法提供的示例清楚地说明了此操作，如可从链接访问的图片（https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.resample。 html ) 或如下提取

在此处输入图像描述

在放大的视图中，很明显原始数据点是逐点重新采样的。

但是，使用可通过链接访问的 mne 下采样示例：https ://mne.tools/dev/auto_examples/preprocessing/plot_resample.html ，我注意到数据点没有逐点重新采样，如下图所示

在此处输入图像描述

鉴于此，mne resample 是基于 scipy 包的 resample 方法，如 mne resample 函数所示： https ://github.com/mne-tools/mne-python/blob/607fb4613fb5a80dd225132a4a53fe43b8fde0fb/mne/filter.py# L1342

我可以知道这个问题是由于振铃伪影还是由于其他问题造成的？

此外，是否有缓解此问题的补救措施。

感谢您的任何见解。欣赏它

在 mne 讨论回购中提出了相同的问题，但截至撰写本文时尚未得到答复

4

1 回答 1

1

我对下采样的理解是，它是一种通过保留第一个样本然后在第一个样本之后的每第 n 个样本来降低 x 的采样率的操作。

重采样通常包括两个步骤：低通滤波以避免混叠，然后降低采样率（从结果信号中选择样本）。低通实际上改变了值，因此过滤数据的子选择步骤不一定会产生“在”原始信号上的点。

我可以知道这个问题是由于振铃伪影还是由于其他问题造成的？

在这种情况下，这可能是由于信号频域重采样中的（隐式）低通滤波造成的。在我看来这很合理。如果你想玩一下它，你可以

  1. 直接在您的数据上调用 scipy.signal.resample 并查看它的匹配程度。
  2. 填充您的信号，调用 scipy.signal.resample，并删除（现在减少长度）填充 - 这是 MNE 在内部所做的。
  3. 直接在您的数据上使用 scipy.signal.resample_poly。
  4. 手动低通滤波，然后直接从低通信号中选择样本，这就是 resample_poly 内部所做的。

此外，scipy.signal.resample是否进行频域重采样，因此在下采样时隐式使用 Nyquist 的砖墙滤波器（除非您为window参数指定某些内容，除了有效的砖墙滤波器外，它还应用于频域）。

ps 提供的答案是与 mne 的人们讨论的摘录，即 Eric Larson、Brunner Clemens、Phillip Alday。应该给予他们信任

于 2020-07-24T02:09:25.690 回答