目录

1.导入数据
2.查看数据
3.电极定位
4.重参考
5.滤波
6.重采样
7.独立成分分析(ICA)
8.删除伪迹成分

导入数据

选择要导入的数据格式

查看数据

• channel per frame：19指导入的数据有19个通道

• frames per epoch：一段数据的总长度，是17561采样点

• epochs：指当前数据的段数，原始数据还没有进行分段，因此显示只有一段

• events：检测到当前数据没有events

• sampling rate（HZ）：数据的采样率为128HZ

• epoch start和epoch end: 这个的分段是从0秒开始，到137.188秒结束。还没有进行分段所以看这个数值没有意义

• reference: 指数据的参考点，重参考后会显示重参考的电极点，或者average，目前还没有进行重参考所以是unknown

• channel locations：是否有对通道进行定位，目前显示没有，定位后会显示为yes

• ICA weights：是否对数据进行了ICA独立主成分分析，分析后会显示yes

• dataset size：数据的大小

电极定位

19个通道采用国际10-20电极放置标准，这里我们使用的文件是Standard-10-20-Cap19new.ced

下图是电极定位结果图

重参考

改变参考电极

滤波

选择默认的FIR滤波器进行滤波：

1.首先进行0.5-70Hz的带通滤波，保留脑电信号的频率范围。

2.其次进行50Hz的陷波滤波，滤除工频干扰。

重采样

降低采样频率。例如，原数据的采样率是1000Hz,可以将采样率降低为256Hz。这样做最大的好处是减小数据量，以提高计算速度。没有其他作用，因此这一步并不是必须的。
降低采样率需要注意：
一是降低采样率要在滤波之后。因为降低采样率会使我们丢失高频信息，使高频信息变得扭曲，所以最好在保留了我们感兴趣波段之后再去降低采样率，这样可以保证信号最大程度不会失真。
二是根据采样定理，理论上来说，我们的采样率必须是我们想要分析的波段的两倍，比如我们想要分析60Hz的波，那数据采样率为120Hz就足够了。实际上，建议采样率最好在分析波段的三到四倍。

独立成分分析(ICA)

使用ICA算法分解数据

绘制2-D Component Scalp Maps，这一步需要对每一个成分进行查看和判断，然后将想要剔除的成分先标记起来

剔除伪迹成分

脑电信号的伪迹成分包括眼电、肌电、心电、线路噪声、通道噪声等。剔除伪迹的方式主要有两种：

1. 直接剔除
2. ICLabel算法（EEGLAB v2021.1版本自带）
   这里我们介绍第二种方法