<p><span style="padding: 3px 10px; border-radius: 5px; color: #ffffff; font-weight: bold; display: inline-block; background-color: #ff0000;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;External Email - Use Caution&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</span></p><p></p><div dir="ltr"><div dir="ltr"><div dir="ltr"><div dir="ltr"><div dir="ltr"><div dir="ltr">Hi all,<div>I&#39;m trying to use <a href="https://github.com/pbashivan/EEGLearn/tree/master/Sample%20data">https://github.com/pbashivan/EEGLearn/tree/master/Sample%20data</a> to classify my epoched data. Everything is all right but I&#39;m still not able to extract the frequency features to be like as mentioned the example:  </div><div><pre style="box-sizing:border-box;font-family:SFMono-Regular,Consolas,&quot;Liberation Mono&quot;,Menlo,Courier,monospace;font-size:12px;margin-bottom:0px;margin-top:0px;color:rgb(36,41,46);white-space:pre-wrap">FeatureMat_timeWin:
FFT power values extracted for three frequency bands (theta, alpha, beta). Features are arranged in band and electrodes order (theta_1, theta_2..., theta_64, alpha_1, alpha_2, ..., beta_64). There are seven time windows, features for each time window are aggregated sequentially (i.e. 0:191 --&gt; time window 1, 192:383 --&gt; time windw 2 and so on. Last column contains the class labels (load levels).</pre></div><div><div><br></div><div>Each of my epochs have 250 frames. I want to have 10 time windows for each epochs. I can add the las &quot;labels&quot; column. this is not a problem.</div><div>Since I have 32 electrodes, I get using (mne.time_frequency.psd_welch) a tuple of (number of samples, 96). 96 corresponds to 3*32. 32 electrodes * 3 frequency bands. That&#39;s all right but I need it to be windowed. So instead of having tuple of (number of samples, 93) I want to have a tuple of:</div></div><div>(number of samples, 96*number of time windows). I&#39;m using the following code:</div><div><br></div><div>def eeg_power_band(epochs):<br></div><div><div>   FREQ_BANDS = {&quot;theta&quot;: [4.5, 8.5], &quot;alpha&quot;: [8.5, 11.5], &quot;beta&quot;: [15.5, 30]}</div></div><div>   epochs = epochs.load_data().pick_channels(EEG_CHANNELS).get_data()<br></div><div><div>   psds, freqs = mne.time_frequency.psd_welch(epochs, n_per_seg=10, fmin=0.5, fmax=30.,n_fft=250, n_overlap=0)</div><div>    # Normalize the PSDs</div><div>    psds /= np.sum(psds, axis=-1, keepdims=True)</div><div><br></div><div>    X = []</div><div>    for _, (fmin, fmax) in FREQ_BANDS.items():</div><div>        psds_band = psds[:, :, (freqs &gt;= fmin) &amp; (freqs &lt; fmax)].mean(axis=-1)</div><div>        #X.append(psds_band.reshape(len(psds), -1))</div><div>        X.append(psds_band)</div><div><br></div><div>    return np.concatenate(X, axis=1)</div></div><div><br></div><div><br></div><div>Many Thanks for any help</div></div></div></div></div></div></div>