我们通常认为，脑电图波形是由多种不同频率的振荡成分叠加而成。通过对这些脑波成分的分解，我们就能识别出在不同的认知测试中活跃的特定神经元群体。
现在有一个问题：你能在这段脑电图中分出Theta、Alpha、Beta波吗？
只要数数每秒钟出现几个波峰你就能分辨出来。
但真实的脑电图数据真的能像这个假设情况里那样分得清清楚楚吗？
结论是：不！在真实的脑电数据里，这些脑电波经常彼此叠加，混成一团。你根本没法靠手动数波峰来分辨这是Theta波、Alpha波还是Beta波。
但我们有更好的办法------进入功率谱密度的世界。
一、FFT（快速傅里叶变换）------ 从"时间"到"频率"的显微镜
1.1 核心思想：换个角度看世界
我们平时看到的数据（比如一段声音、股票价格、振动信号）都是随时间变化 的，这叫做"时域"信号。FFT干的事情 ：把它变成随频率变化的信号，这叫做"频域"信号。
时域：横坐标是时间（秒）。你能看到波形起伏，但很难说清这里面包含哪些音调。
频域：横坐标是频率（Hz）。你能清晰地看到，这个信号里包含 100Hz 的成分有多强，包含 500Hz 的成分有多弱。
经典比喻：
想象你面前有一杯咖啡+牛奶+糖 的混合液体（时域信号，混在一起看不清）。
FFT 就像一台超级分离机，它能瞬间把这杯液体分离成纯咖啡 、纯牛奶 和纯糖（频域信号），并告诉你每种成分各有多少克。
了解脑电图信号中的频率，有助于我们识别与不同大脑活动相关的活动模式和特征。
**二、**PSD（功率谱密度）------ 物理意义最正确的"频谱"
很多初学者容易把 FFT 的幅度平方直接当成 PSD，这在严格意义上是不对的。下面我们讲透。
2.1 为什么需要 PSD，而不是直接用 FFT 幅度？
（1）FFT 幅度 ：依赖于FFT点数N。你取 1024 点做 FFT 和取 2048 点做 FFT，得到的幅度峰值可能不一样（因为能量被分散到了更多频率点上）。
（2）如果你说"这个 100Hz 振动的幅值是 5"，换一套采样参数，这个"5"可能就变了。这对于工程（尤其是振动烈度标准）是不可接受的。
（3）PSD 的诞生 ：它表示**"单位频率上的功率"** 。它把能量除以频率分辨率（ΔfΔf），使得结果与采样点数无关，只与信号本身的物理特性有关。
三、实际应用
通过对比正常儿童和有注意力问题的儿童或ADHD儿童的数据，展示其实际应用。
你可能会发现，他们的Theta和Alpha波幅较高，或者Beta波幅较低。
Theta和Alpha的波幅是EEG信号中的特定频率范围，这些波幅或功率在ADHD组中更高。
这张图显示，ADHD儿童的前额区域Alpha波幅度有所增强。
比如，如果是FZ电极，与正常组相比，这些儿童在不同区域的Alpha波和Beta波表现出更强的活动性。这种脑活动的差异可能成为一种生物标志物，是儿童注意力问题的可测量指标。
具体来说，只要分析脑电数据，再对比不同人群的功率密度图就能发现脑活动中的规律和区别。