步骤 01:数据加载

import mne

# ====== 方式 A：读取 .fif 格式（MNE 原生） ======
raw = mne.io.read_raw_fif('path/to/subject-01_raw.fif', preload=True)

# ====== 方式 B：读取 EDF 格式 ======
raw = mne.io.read_raw_edf('path/to/subject-01.edf', preload=True)

# ====== 方式 C：读取 BDF（BioSemi） ======
raw = mne.io.read_raw_bdf('path/to/subject-01.bdf', preload=True)

# ====== 方式 D：读取 BrainVision（.vhdr + .eeg + .vmrk） ======
raw = mne.io.read_raw_brainvision('path/to/subject-01.vhdr', preload=True)

# ====== 方式 E：读取 EEGLAB .set ======
raw = mne.io.read_raw_eeglab('path/to/subject-01.set', preload=True)

# ====== 方式 F：使用 MNE 内置 sample 数据集练习 ======
from mne.datasets import sample
data_path = sample.data_path()
raw = mne.io.read_raw_fif(
    data_path / 'MEG' / 'sample' / 'sample_audvis_raw.fif',
    preload=True
)

# 验证 1：打印基本信息
print(raw)
print(raw.info)

# 验证 2：检查关键字段
assert 'sfreq' in raw.info
assert raw.info['sfreq'] > 0
print(f"采样率: {raw.info['sfreq']} Hz")
print(f"通道数: {len(raw.ch_names)}")
print(f"时长: {raw.times[-1]:.1f} s")

# 验证 3：可视化原始数据
raw.plot(duration=5, n_channels=30, scalings='auto')