用途：NeuroKit2 是处理与分析生理信号（生物信号）的 Python 工具包，用于心血管、神经、自主神经、呼吸与肌肉信号的科研与临床分析。
主要能力：
- 心电/脉搏（ECG/PPG）：清洗、R 峰检测、波形划分、质量评估，以及 ECG 派生呼吸。
- 心率变异性（HRV）：时域、频域、非线性域指标，含 RSA、RQA。
- 脑电（EEG）：频带功率、通道质量、源定位、微状态分割与动态。
- 皮电（EDA/GSR）：张性与相位成分分解、SCR 检测、交感神经指标。
- 呼吸（RSP）：呼吸率与变异性、幅度对称性、每时间呼吸量（RVT）。
- 肌电（EMG）：幅度与激活检测。
- 眼电（EOG）：眨眼检测与特征提取。
- 通用信号处理：滤波、分解（EMD/SSA/小波）、峰值检测、PSD、重采样。
- 复杂度与熵：香农/近似/样本/排列熵，分形维数，Lyapunov、Lempel-Ziv、DFA 等。
- 事件相关分析：事件查找、epoch 创建、平均与基线校正。
- 多信号整合：bio_process / bio_analyze 统一处理。
使用方式：安装 uv pip install neurokit2（当前 0.2.13，需 Python >= 3.10；可固定版本）。EEG 辅助函数与默认 EOG 眨眼检测需 MNE-Python：uv pip install mne。典型流程为 ecg_process → hrv → ecg_plot；多模态用 bio_process。分析模式按数据时长自动选择：<10 秒为事件相关，≥10 秒为区间相关。
适用场景：心理生理学实验、HRV 研究、脑电微状态、自主神经评估、呼吸与肌肉活动分析、多模态生理信号整合。
限制：部分函数参数有特定要求（如 hrv_rsa 需处理后的 DataFrame 与 rpeaks，eda_sympathetic 需 >64 秒信号，rsp_rvt 需一维向量，complexity 不接受 sampling_rate）；EEG 与默认 EOG 依赖 MNE。具体参考文档见官方站点与 GitHub 仓库。