NeuroKit2 是用于生理信号处理的 Python 工具包，面向心血管、神经科学与心理生理学等研究场景，提供从信号清洗、峰值检测到特征提取的完整流程。
主要能力：心脏信号（ECG/PPG）支持清洗、R 峰检测、波形分割、质量评估与脉搏分析；HRV 提供时域、频域与非线性指标（如 SDNN、RMSSD、pNN50、Poincaré SD1/SD2 等）；EEG 支持频带功率、通道工具与微状态分割；EDA 支持 tonic/phasic 分解与 SCR 检测；RSP 可计算呼吸率、变异性与 RVT 类特征；EMG/EOG 支持肌电幅度处理与眨眼、眼动特征提取。通用工具包括滤波、峰值查找、PSD 估计、重采样与同步；事件相关分析支持事件查找、分段、基线校正与平均。bio_process()/bio_analyze() 可统一处理多模态信号。
使用方式：多数模块遵循 *_process 生成清洗信号与中间通道，再由 *_analyze 输出汇总特征。显式事件分析可用 events_find()、epochs_create()、epochs_average()。HRV 通常需传入 R 峰索引与采样率，可调用 nk.hrv(peaks, sampling_rate=...)，或分别使用 hrv_time、hrv_frequency、hrv_nonlinear。滤波与频谱可用 nk.signal_filter(x, sampling_rate=1000, lowcut=0.5, highcut=40) 与 nk.signal_psd()。
依赖与安装：需要 Python 3.x 与 neurokit2，安装命令为 uv pip install neurokit2；开发版为 uv pip install https://github.com/neuropsychology/NeuroKit/zipball/dev。
限制：分析模式常依据记录时长自动切换（短段事件相关、较长记录区间相关），具体阈值以实际实现为准；频域指标依赖采样率与插值假设；部分高级指标（如 RQA、Lyapunov 类）仅在支持时可用。文档提及的 references 目录内容是否随包提供暂未提供，价格与平台支持等信息暂未提供。