腦電的預處理

在介紹腦電預處理方法之前，我覺得有必要講講腦電中可能存在的偽跡。由於腦電信號是一種極其微弱的生理信號（幅值在微伏級別），因此腦電信號極其容易被雜訊所影響甚至湮沒。那麼腦電中存在的干擾都有哪些呢？

首先是來自外部環境的干擾，輸電線路，其他電器設備產生的電磁場，這些都是不可避免的，輸電線路會產生50Hz（60Hz）的工頻干擾，較大功率的電器設備或者照明設備都會產生干擾。通常腦電設備都會考慮環境中的複雜因素，通過設計差分放大、高共模抑制比等電路設計來降低干擾的影響，但是這些都是建立在較低的干擾狀態下才能有效抑制雜訊的。

除了環境中的電磁干擾，人體自身的一些因素也會對腦電產生影響，如肌電、眼電等偽跡。這些偽跡在處理時會遇到很大困難，由於其信號的頻率範圍與腦電的頻率範圍有重疊，因此簡單的濾波方法可能會讓我們丟失一部分有效信息。而且這些干擾很難通過硬體來實現自動的檢測，因此硬體電路是不可能去除的，只能通過後期的軟體實現。

除了上述偽跡之外，被試自身的一些生理及心理狀態也會影響到腦電。因此在進行實驗前通過要考慮被試的心理狀況以及疲勞程度等。

說了上述這些問題，我下面來簡單說一下解決辦法。對於腦電設備自身及輸電線路自身產生的干擾相對來說要容易去除。在腦電分析之前，我們都會對信號去除基線漂移，然後去除工頻干擾，在根據所需要的信號的範圍進行帶通濾波。這通常是進行後續複雜預處理之前要做的工作。然後我們仔細的篩選信號的質量，觀察信號中是否存在明顯的眼電和肌電的偽跡存在。現有的去除上述兩種偽跡的方法主要有，自適應濾波、空間濾波、盲源分離等。但是每種方法都尤其自身的局限性。自適應濾波需要EOG或EMG參考電極、空間濾波不具有針對性、盲源分離有通道數的要求，當然近幾年發展起來的單通道或低通道盲源分離方法可能會解決這一問題。總體來說去除生理偽跡的方法中盲源分離是最常用也是最有效的方法，但對於使用者來說需要已經的經驗和對方法的理解。

濾波器是信號處理中最常用的工具，在腦電中也不例外。但是濾波器的種類有很多，該如何選擇呢？首先，我們在對腦電進行濾波之前需要思考我們要解決的是什麼問題。腦機介面、腦網路，還是ERP?腦機介面又可以分為：運動想像、P300、SSVEP等，在處理這些問題時，如果濾波器選擇的不合適，我們則不會得到理想的結果。在數字信號處理的課程上我們學過，普通的模擬濾波器、FIR和IIR濾波器都會使濾波後的信號產生一定的時延，這種時延會影響腦電信號中的相位關係。我們知道腦電信號的相位信息十分重要，在腦機介面中P300和SSVEP都存在鎖時和鎖相的關係，在腦網路分析中更是通過不同腦區之間的相位關係來評定耦合強度的強弱、對於事件相關電位也有著同樣重要的影響。因此，我們在進行腦電濾波之前要充分考慮到這些問題。在EEGLAB中所使用的濾波器是零相位FIR或IIR濾波，這是一種沒有相位偏移的濾波器，具體原理可以百度MATLAB filtfilt函數的說明。當然，如果技術不對相位有嚴格的要求，普通的濾波器會更容易實現，想其他語言轉換也更容易些。

最後，腦電的預處理方法並不是萬能的，我們不要過於依賴數據採集後的預處理，在數據採集時，甚至是數據採集之前就要組好充足的準備工作，盡量選擇干擾小，做好屏蔽工作的實驗室進行數據採集，盡量將實驗人員和被試分隔開，實驗前檢查腦電設備和電極的情況，讓被試在實驗前一天能夠有充足的休息，並且沒有心理負擔。當這些條件都能滿足的話，我相信採集的腦電信號質量不會很差，後面的預處理也會容易很多。

祝大家學習進步、科研順利，多發paper！