fooof-tools/fooof

解决的问题

该工具通过将信号分解为非周期性（类似1/f）和周期性（振荡峰）成分，提供了一种分析神经功率谱的方法。这使得研究人员可以在不预先定义频率带或忽略底层非周期性背景的情况下，测量振荡的特定属性——如中心频率、功率和带宽。

工作原理

该工具采用模型驱动的方法，在线性空间中拟合功率谱。它将谱分解为两部分：

1. 非周期性成分：存在于所有频率上的背景信号。
2. 周期性成分：数量可变的峰，高于非周期性成分。

用户可以通过设置峰宽限制、最大峰数、最小峰高以及非周期性模式等参数，来优化信号的参数化方式。

适用人群

专为处理电生理数据的研究人员设计，特别是分析EEG、MEG、ECoG和LFP数据的研究者。

主要亮点

• 生理学上合理：专为神经功率谱的参数化而设计。
• 灵活拟合：支持单个功率谱拟合，也支持使用组模型处理一组谱。
• 全面报告：内置函数用于绘制拟合结果并生成模型参数报告。
• 跨语言支持：虽然以Python编写，但提供Matlab、Julia和R的封装或重实现版本。