脑电信号处理与特征提取——4.脑电信号的预处理及数据分析要点(彭微微)

目录

四、脑电信号的预处理及数据分析要点

[4.1 脑电基础知识回顾](#4.1 脑电基础知识回顾)

[4.2 伪迹](#4.2 伪迹)

[4.3 EEG预处理](#4.3 EEG预处理)

[4.3.1 滤波](#4.3.1 滤波)

[4.3.2 重参考](#4.3.2 重参考)

[4.3.3 分段和基线校正](#4.3.3 分段和基线校正)

[4.3.4 坏段剔除](#4.3.4 坏段剔除)

[4.3.5 坏导剔除/插值](#4.3.5 坏导剔除/插值)

[4.3.6 独立成分分析ICA](#4.3.6 独立成分分析ICA)

[4.4 事件相关电位(ERPs)](#4.4 事件相关电位(ERPs))

[4.4.1 如何获得ERPs](#4.4.1 如何获得ERPs)

[4.4.2 ERP研究应该报告些什么](#4.4.2 ERP研究应该报告些什么)

[4.4.3 如何呈现ERPs结果](#4.4.3 如何呈现ERPs结果)

[4.5 小结](#4.5 小结)


四、脑电信号的预处理及数据分析要点

4.1 脑电基础知识回顾

动作电位的信号的研究方法和后俩不一样。

4.2 伪迹

这种像毛刺一样的是肌电。 **消除方法:**平均叠加。

4.3 EEG预处理

**基本原则:**尽可能的保留数据原貌;相对原则,10%。

**预处理过程:**导入数据->定位电极->剔除无用电极->重参考->滤波->分段和基线校正(保存)->插值坏导和剔除坏段->跑ICA(保存)->剔除噪声成分:如剔除眼动成分(眨眼、眼漂)->保存数据。

因为有重参考,所以在线参考不是很重要。
**插值坏导:**用一定的算法代替坏导。

4.3.1 滤波

在EEG里面,经常用的是高通滤波。

4.3.2 重参考

不同成分,参考所带来的影响不一样。

平均参考要谨慎使用,对波形影响比较大。

4.3.3 分段和基线校正

分段后再平均,然后就得到了ERP波形。

4.3.4 坏段剔除

4.3.5 坏导剔除/插值

4.3.6 独立成分分析ICA

ICA方法去噪。

4.4 事件相关电位(ERPs)

4.4.1 如何获得ERPs

相同的刺激得到的波平均叠加。

4.4.2 ERP研究应该报告些什么

4.4.3 如何呈现ERPs结果

4.5 小结

ICA方法只能帮助我们排除典型的伪迹,不能有效地提取脑电的响应。

相关推荐
是馒头阿7 个月前
55、美国德克萨斯大学奥斯汀分校、钱德拉家族电气与计算机工程系:通过迁移学习解决BCI个体差异性[不得不说,看技术还得是老美]
人工智能·机器学习·迁移学习·脑机接口bci·eeg·跨被试
我行我素,向往自由1 年前
脑电信号处理与特征提取——6.运用机器学习技术和脑电进行大脑解码(涂毅恒)
脑电信号处理与特征提取