1 前言
很久没有写博客了，之前也想过要放弃。不过想来当个业余爱好也好啊，也当是知识的巩固和积累。
废话少说，下面介绍这次的主角——Biosppy工具包。
2 简介
接下来的这段主要是对官方英文文档的翻译和整理，关于官方英文文档具体可访问：https://biosppy.readthedocs.io/en/stable/index.html
2.1 概况
BioSPPy是基于Python的生理信号处理工具包，该工具包汇总了多种面向生理信号分析的信号处理和模式识别方法。主要亮点如下：
- 对多种生理信号的支持：BVP，ECG，EDA，EEG，EMG，呼吸信号（Respiration）
- 信号分析基本方法：滤波，频域分析
- 聚类
- 生理识别
2.2 结构
在结构上，BioSPPy 包含两个部分：
- 一个子包biosppy.signals，包含了上述几种生理信号的针对性的处理方法包。例如，biosppy.signals.ecg中包含的是用于ECG处理的方法，而biosppy.signals.eeg中包含的是用于EEG处理的方法，如下表所示：
| 用途 | |
|---|---|
| biosppy.signals.bvp | Blood Volume Pulse (BVP) 血容量脉冲信号 处理 |
| biosppy.signals.ecg | electrocardiogram(ECG) 心电信号 处理 |
| biosppy.signals.eda | Electrodermal Activity (EDA) 皮肤电活动信号 处理 |
| biosppy.signals.eeg | Electroencephalographic(EEG) 脑电信号 处理 |
| biosppy.signals.emg | Electromyographic (EMG) 肌电信号 处理 |
| biosppy.signals.resp | Respiration (Resp) 呼吸信号 处理 |
| biosppy.signals.tools | 提供多种信号时频域分析方法 |
- 七个模块，biosppy.*，个人认为是一些比较通用的API接口，根据用途不同进行了归类汇总。例如，用于聚类的汇总在了biosppy.clustering,用于绘图的汇总在了biosppy.plotting，如下表所示：
| 用途 | |
|---|---|
| biosppy.biometrics | 生理识别-身份认证 分类器接口 |
| biosppy.clustering | 无监督机器学习（聚类）算法 |
| biosppy.metrics | 各种距离的计算（例如L2距离） |
| biosppy.plotting | 绘图方法（例如时频域波形绘制） |
| biosppy.storage | 指定格式数据存储 |
| biosppy.timing | 测量运算时间 |
| biosppy.utils | 常用的辅助函数 |
英文文档可访问：https://biosppy.readthedocs.io/en/stable/biosppy.html
总体来说是一个构成很简单的工具包，也很轻量化，可以满足生理信号处理中的一些比较基本的需求，使得这些基础操作黑盒化，标准化，能帮助人们把精力集中在那些更有挑战的研究上，而不必关心一些基础操作的实现。从这个角度来说，尽管很简单甚至简陋，但BioSPPy确实有其存在的意义。
（上述翻译和汇总是根据我个人理解得出的，有不准确的地方还请指出~）
3 安装
使用pip安装：
pip install biosppy
只要你的Python环境没问题，应该没什么坑。多说一句，最好基于Anaconda来管理各种Python包，可以避免掉很多坑，这里就不多说了，Anaconda教程一搜一大把。
4 说明
从简介中也看出来了，BiosPPy工具包包含了多种生理信号的处理方法。由于各种生理信号产生的机理不同，应用目标也不同，所以处理方法差异很大。由于本人仅对其中的ECG，也就是心电信号有相对深入的研究，而对其他信号没有太多了解，因此这里不会班门弄斧，而是仅对其中与ECG相关的内容进行一些介绍和示例，即以上述的biosppy.signals.ecg为主，希望能够给感兴趣的同学一点帮助。下一节正式开始。
