NeuroKit2 是一个用于处理与分析生理信号（生物信号）的综合性 Python 工具包，适用于心理生理学研究、临床应用以及人机交互研究。它可处理心血管、神经、自主神经、呼吸与肌肉等多个系统的信号。
用途与适用场景 该技能适用于以下工作：心脏信号（ECG、PPG、心率变异性 HRV、脉搏分析）；脑信号（EEG 频段、微状态、复杂度、源定位）；自主神经信号（皮肤电活动 EDA/GSR、皮肤电反应 SCR）；呼吸信号（呼吸频率、呼吸变异性 RRV、单位时间容积）；肌肉信号（EMG 振幅、肌肉激活检测）；眼动追踪（EOG、眨眼检测与分析）；多模态整合（同时处理多个生理信号）；复杂度分析（熵测度、分形维数、非线性动力学）。
核心能力
-
心脏信号处理（ECG/PPG）：主要工作流包括 ECG 处理管线（清洗 → R 波峰检测 → 描绘 → 质量评估）、跨时域/频域/非线性域的 HRV 分析、PPG 脉搏分析与质量评估、ECG 衍生呼吸提取。
-
心率变异性分析：支持时域（SDNN、RMSSD、pNN50、SDSD 及其衍生指标）、频域（ULF、VLF、LF、HF、VHF 功率与比值）、非线性域（Poincaré 图 SD1/SD2、熵测度、分形维数），以及专门指标（呼吸性窦性心律不齐 RSA、递归量化分析 RQA）。
-
脑信号分析（EEG）：频段功率分析（Delta、Theta、Alpha、Beta、Gamma）、通道质量评估与重参考、源定位（sLORETA、MNE）、微状态分割与转换动力学、全局场功率与差异度测量。
-
皮肤电活动（EDA）：信号分解为紧张性与相位性成分、皮肤电反应（SCR）检测与分析、交感神经系统指数计算、自相关与变点检测。
-
呼吸信号处理（RSP）：呼吸频率计算与变异性分析、呼吸振幅与对称性评估、单位时间呼吸容积（fMRI 应用）、呼吸振幅变异性（RAV）。
-
肌电（EMG）：肌肉激活检测与振幅分析。
-
眼电（EOG）：眼动与眨眼模式分析，可提取眨眼特征。
-
通用信号处理：滤波（低通、高通、带通、带阻）、分解（EMD、SSA、小波）、波峰检测与校正、功率谱密度估计、信号插值与重采样、自相关与同步性分析。
-
复杂度与熵分析：熵（Shannon、近似、样本、排列、谱、模糊、多尺度）、分形维数（Katz、Higuchi、Petrosian、Sevcik、相关维数）、非线性动力学（Lyapunov 指数、Lempel-Ziv 复杂度、递归量化）、DFA（去趋势波动分析、多重分形 DFA）、信息论（Fisher 信息、互信息）。
-
事件相关分析：从事件标记创建分段（epoch）、事件相关平均与可视化、基线校正选项、含置信区间的大平均计算。
-
多信号整合：通过统一输出同时处理多个生理信号。
分析模式 NeuroKit2 根据数据时长自动在两种分析模式间选择：事件相关分析（小于 10 秒），分析刺激锁定的反应，基于分段切分，适合离散试次的实验范式；区间相关分析（大于等于 10 秒），刻画较长时间段内的生理模式，适用于静息态或连续活动，适合基线测量与长期监测。大多数 *_analyze() 函数会自动选择合适的模式。
使用方式 安装命令： uv pip install neurokit2
开发版本安装： uv pip install https://github.com/neuropsychology/NeuroKit/zipball/dev
典型工作流包括：快速 ECG 分析（内置 ecg_simulate 生成示例数据，经 ecg_process 处理，再用 hrv 分析 HRV 并可视化）；多模态分析（用 bio_process 同时处理 ECG、RSP、EDA 等信号，再用 bio_analyze 统一分析）；事件相关电位分析（用 events_find 查找事件，用 epochs_create 创建分段，再按信号类型调用 ecg_eventrelated、eda_eventrelated 等）。
参考资料与资源 该技能包含按信号类型与分析方法组织的参考文档：ecg_cardiac.md、hrv.md、eeg.md、eda.md、rsp.md、ppg.md、emg.md、eog.md、signal_processing.md、complexity.md、epochs_events.md、bio_module.md，可按需加载以获取详细函数文档与参数。
官方文档：https://neuropsychology.github.io/NeuroKit/ GitHub 仓库：https://github.com/neuropsychology/NeuroKit 参考文献：Makowski et al. (2021). NeuroKit2: A Python toolbox for neurophysiological signal processing. Behavior Research Methods. https://doi.org/10.3758/s13428-020-01516-y
限制说明 关于该工具包的性能指标、收费模式与价格信息，资料中暂未提供。