Python Numpy CAR 实现 - ValueError：形状未对齐答案

【问题标题】：Python Numpy CAR implementation - ValueError: shapes not alignedPython Numpy CAR 实现 - ValueError：形状未对齐
【发布时间】：2022-02-05 08:51:35
【问题描述】：

我正在尝试在 python 中实现一个共同平均参考函数。这个想法是计算所有 EEG 通道的信号平均值，然后从每个时间点的每个通道的 EEG 信号中减去它。这个函数的输入是一个叫做 Trials 的 NumPy 数组。 Trials 是一个 3D 数组，其中包含以下形式的 EEG 数据：（试验 x 时间 x 通道）。例如：

trials.shape is (240, 2048, 17)

输出将是处理后的信号数组。这是我当前的代码：

# Common Average Reference
import numpy as np

def car(trials):
    signal = []
    for tr in trials:
        tr = np.subtract(tr,(np.dot(np.mean(tr, axis=1), np.ones((0, np.size(tr, axis=1))))))
        signal.append(tr)
        
    return signal

Bnd 它返回此错误：

ValueError: shapes (2048,) and (0,17) not aligned: 2048 (dim 0) != 0 (dim 0)

您对如何解决这个问题有什么建议吗？提前谢谢！

【问题讨论】：

标签： python numpy signal-processing

【解决方案1】：

哎呀 - 我不明白共同平均参考的定义。正如Warren Weckesser's comment 中所指出的，CAR 是每个电极的值，而不是随着时间的推移。所以应该在通道维度上计算平均值。使用keepdims=True 使形状兼容，这样减法仍然可以通过广播完成：

>>> car = np.mean(trials, axis=2, keepdims=True)
>>> car.shape
(240, 2048, 1)

您可以利用 NumPy 的 broadcasting

>>> import numpy as np
>>> trials = np.random.random((240, 2048, 17))
(WRONG) >>> car = np.mean(trials, axis=0) # calculate the Common Average Reference across all the trials for each channel
>>> car.shape
(2048, 17)
>>> tnew = trials - car

【讨论】：

这太棒了！非常感谢！
这是试验的平均值。对于 CAR，您不应该对渠道进行平均吗？如果是这样，您可以使用car = np.mean(trials, axis=2, keepdims=True)，然后进行减法tnew = trials - car。