EEG基础

发布日期: 2026-05-16

脑电数据时频频域分析

一、预处理

二、ERP时域分析

看数据的思路一（沿时间）：

确定某个通道，看波形图，找到在某个时间窗的成分；确定某个时间窗，看地形图，找到这个成分在哪个电极点上最明显。
选定一个通道，沿着时间看波形图

mean_data = squeeze(mean(ERPdata(:, chan_No, :), 1));

看数据的思路二（沿空间）：

确定某个时间窗（50-100 ms为佳），沿着通道看地形图，找到这个成分在哪个电极点上最明显。
为什么要选择时间窗？
因为认为平均波幅更有说服力，单点的峰值可能会受到噪声的影响。

P2 amplitude = squeeze(mean(ERPdata(:, :, P2_interval), 3));

选定peak点，从组水平的波形图上选取。

topoplot画地形图

看数据的思路三（空间随时间的变化）：

两张图结合来看，可以看出来随着时间的推移，先到达极负值点，后到达极正值点。

提取分段（不同的实验条件）

再画上差异波：

脑地形图的绘制

空间随时间的变化（先定义好时间范围，然后选定通道）：

time interval
EEG在该段时间范围内的平均波幅

总结

确定某个电极点，沿着时间观察数据————波形图，固定空间去看时间，沿着时间去比较不同条件（组别），寻找差异的时间窗
确定某个时间窗，沿着通道观察数据————地形图，固定时间去看空间，沿着空间去比较不同条件（组别），寻找差异的电极点

常用统计分析方法

1. t检验 (t-test)

用于比较两组数据是否存在显著差异

例如：

组别	P300振幅(μV)
Target	8.2
Non-target	4.5

想知道两组P300振幅是否真的不同。

采用：配对t检验（Paired t-test），因为同一个被试都会经历两种条件。

例如：

Target vs Non-target
Active vs Passive
左手运动 vs 右手运动

独立样本t检验

比较两组不同被试。

例如：

患者组
健康组

比较：
P300振幅，Alpha功率，结果报告

例如：P300 amplitude was significantly larger in the target condition than the non-target condition (t(19)=4.62, p<0.001).
意思：t值=4.62，自由度=19，p<0.001，差异显著。

2. p值 (P-value)

所有统计检验最终都会给一个p值。

表示：如果实际上没有差异，观察到当前结果的概率是多少。

常见标准：

p值	解释
p<0.05	显著
p<0.01	非常显著
p<0.001	极显著

EEG论文最常见：
*p < 0.05
**p < 0.01
***p < 0.001

3. F检验 (F-test)

F值本质上是：组间差异 / 组内差异

统计量：F=MS_between/MS_within

其中：MS_between：组间方差；MS_within：组内方差

EEG中经常出现：F(2,38)=8.75，p=0.001

表示：条件间存在显著差异
但是：不知道是哪两组不同。

因此：F检验后通常还要做Post-hoc分析。

ANOVA（Analysis of Variance，方差分析）

EEG中最常用的方法之一。

用于：三组及以上条件比较

一元ANOVA

例如：刺激频率：1Hz，5Hz，10Hz；比较P300振幅。
One-way ANOVA

二元ANOVA

EEG最常见。

例如：

因素1：Target，Non-target

因素2：Fz，Cz，Pz

形成：2×3 ANOVA

分析：
条件主效应
电极主效应
交互作用

主效应（Main Effect）

例如：
Target平均振幅：8 μV
Non-target平均振幅：4 μV

得到：
Condition main effect：F(1,19)=15.3，p<0.001

说明：Target和Non-target存在总体差异。

交互作用（Interaction）

EEG论文特别喜欢分析。

例如：

电极	Target	Non-target
Fz	6	5
Pz	10	4

可以发现：差异主要出现在Pz。

此时：Condition × Electrode interaction显著。

5. 重复测量ANOVA（Repeated Measures ANOVA）

ERP研究最常见。

因为：同一个被试经历所有条件。

例如：20名被试

比较：Fz，Cz，Pz三个脑区

又比较：主动运动/被动运动

形成：2 × 3 Repeated Measures ANOVA

因素：Movement Type/Electrode

很多ERP论文：A two-way repeated-measures ANOVA was conducted. 基本就是这个。

6. 事后检验（Post-hoc Test）

ANOVA只能告诉你：至少有一组不同

不知道：A和B不同？A和C不同？B和C不同？

因此需要：Bonferroni最常见。Tukey较常见。

三、脑电频域分析

ERP：只能分析锁时锁相的信息
例如：P300在固定时间产生，并且固定为正相（对于锁时不锁相的杂乱的波会在叠加平均时候抵消掉）

还需要分析的主要内容：脑电的基本节律，各个频段的能量值，频域分析

什么是时域：信号沿着时间变化
什么是频域：信号沿着频率变化，根据周期、振幅和相位能够确定唯一的正弦波

将脑电信号转到频域信号：傅里叶变换（Fourier Transform）
傅里叶变换：任何连续的周期信号，都可以转化成若干正弦函数的叠加。

脑电信号：
**非连续：**能够分解的频段，由采样定理决定（最高频段是采样率的一半）
非周期信号： 看作一个周期无限大的信号

脑电信号是可以转换到频域，并且由若干个正弦波叠加而成，而且正弦波的范围取决于采样率。
data = 0.5 * sin(2pi10t) + 0.3 * sin(2pi20t) + 0.1 * sin(2pi30*t)
30，20,10 指的是频率，所以30频率最高。

P.S.脑电实验中采样率(Sampling Rate)的设置
最核心的理论依据是奈奎斯特采样定理（Nyquist Theorem），即采样率必须至少是信号中最高频率的两倍，以避免混叠现象（aliasing）。因此，如果我们想分析的脑电信号最高频率为100 Hz，那么采样率至少应该设置为200 Hz。
核心考虑因素：
（1）目标脑电成分的频率（实验目的）
常规脑电波： 如 Delta ($\delta$, 1-4 Hz)、Theta ($\theta$, 4-8 Hz)、Alpha ($\alpha$, 8-13 Hz)、Beta ($\beta$, 13-30 Hz)。
高频成分/事件相关电位（ERP）： 如 Gamma 波（>30 Hz）、或者是像 P300、N400 这样的 ERP 成分。
超高频成分： 如体感诱发电位（SEP）中的高频振荡（HFOs，可达数百赫兹）。
工程实际经验： 在实际应用中，为了能够完美重构波形并留出滤波的过渡带，采样率通常会设置为目标最高频率的 4 到 5 倍，甚至更高。
（2）硬件的抗混叠滤波器（Anti-aliasing Filter）
在信号被数字化之前，脑电放大器内部会有一个模拟低通滤波器，用来滤除高于奈奎斯特频率的信号。
如果放大器的硬件低通硬件滤器固定在100Hz，那么采样率至少要设为250Hz或500Hz。
注意：采样率的选择必须与放大器的硬件滤波器切断频率相匹配。
（3）伪迹（Artifacts）的频率
除了大脑内部的信号，**肌电伪迹（EMG，可达 200 Hz以上）和工频干扰（50 Hz 或 60 Hz）**也会混入。如果你的采样率太低（例如 100 Hz），高频的肌电伪迹就会混叠到低频段，导致你无法通过后期滤波将其剔除。
（4）数据量与计算资源
采样率越高，产生的数据量就呈线性增长。
高采样率：占用更多内存和存储空间，导出的数据大（尤其是多通道 EEG），后期跑算法（如 ICA 独立成分分析）时计算耗时更长。
便携式/无线 EEG：如果是蓝牙或 Wi-Fi 传输的便携式设备，高采样率可能导致数据丢包或耗电过快。
常见脑电采样率设置

实验类型 / 研究对象	推荐采样率	常见硬件低通滤波	备注说明
常规 ERP 研究(如 P300, N400, LPP)	500 Hz 或 1000 Hz	~100 Hz 或 ~250 Hz	最稳妥配置，对大多数认知任务完全足够
常规频域分析(Alpha, Beta 功率谱)	250 Hz 或 500 Hz	~70 Hz 或 ~100 Hz	节约存储空间，足以覆盖 50 Hz 以下常规脑电频段
高频振荡 / 听觉诱发电位(如 ABR 听觉脑干反应)	2000 Hz 至 5000 Hz	~1000 Hz	目标信号频率极高（数百赫兹），且潜伏期极短，需要极高的微秒级时间分辨率
临床常规脑电图 (EEG)	250 Hz	~70 Hz	满足临床医生肉眼判读和癫痫波识别即可
便携式 / 商业脑机接口(如睡眠监测、游戏)	128 Hz 或 256 Hz	~50 Hz	受限于电池寿命和无线带宽，优先考虑低功耗