在MATLAB使用EEGLAB处理脑电信号读入数据与预处理读入数据去除坏道和重参考处理伪迹与数据分段提取特征时域分析频域分析分类总结读入数据与预处理ㅤㅤ这是EEG信号处理的基础目的是去除EEG信号的各种噪声和伪迹留下纯净的脑电活动信号。预处理的好坏会直接影响到最终结果的可靠性。ㅤㅤ本文使用的MATLAB版本为MATLAB R2024bㅤㅤㅤㅤㅤEEGLAB版本为EEGLAB v2026.0.0读入数据ㅤㅤ此处处理的数据为闲坐状态下的数据将数据样例导入EEGLAB中导入后结果显示如图1-1显示了一个epoch的样本点数目、事件的采样率、参考的电极等数据主要信息。ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图1-1 EEGLAB导入数据后显示界面ㅤㅤ对各个Channel进行头皮位置定位使用工具帮助我们自动识别Channel的位置如图1-2所示。ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图1-2 Channel locationsㅤㅤ对自动定位出的Channel进行选择去除无关的数据同时设置滤波频率保留最相关的频段滤除过高或过低频的噪声此处设置为0.1Hz高通45Hz低通。结果如图1-3所示。ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ 图1-3 滤波结果去除坏道和重参考ㅤㅤ检查并剔除因接触不良等原因导致信号质量差的“坏道”同时选择耳后电极T7、T8进行重参考。ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图1-4 重参考前ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图1-5 重参考后处理伪迹与数据分段ㅤㅤ利用独立成分分析ICA识别并移除由眨眼、肌肉活动或心跳等产生的伪迹并绘制绘制 2-D Component Scalp Maps。ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图1-6 2-D Component Scalp Maps提取特征ㅤ提取出最能反映大脑状态或认知过程的量化指标。时域分析ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图2-1 时域分析通道1ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ图2-2 features表格数据频域分析ㅤㅤ结合时间和频率信息分析信号在特定时刻的频率变化。分类ㅤㅤ将提取好的特征输入到分类器中让模型自动学习不同类别的模式并做出判断。常用的分类器包括支持向量机SVM、随机森林Random Forest等得出不同分类器的准确率。总结ㅤㅤ对EEGLAB的使用有了初步的接触运行了单个数据样例的预处理相应代码但在特征分析与分类的处理上还存在许多问题亟需解决后续侧重于学懂弄通各个步骤的含义同时优化代码。
