脑电信号重参考，基线校正，带通滤波

重参考

• 共平均参考CAR：

• 平均参考

对脑电信号（EEG）进行平均参考处理时，基本思路是将所有EEG通道的信号进行平均，并将这个平均值用作一个新的参考点。然后，将这个平均参考信号从每个EEG通道中减去，以消除共模噪声并提高信号的质量。下面是一个简单的例子来说明这个过程：

假设我们有三个EEG通道（Channel 1, Channel 2, Channel 3），每个通道在不同的时间点记录了一系列的电位值。这些电位值代表了大脑在不同时间点的电活动。

首先，我们需要计算所有通道在每个时间点的平均值。假设在某个特定的时间点，Channel 1的电位值是1微伏，Channel 2的电位值是2微伏，Channel 3的电位值是3微伏。那么，在这个时间点的平均电位值就是（1+2+3）/ 3 = 2微伏。

接下来，我们将这个平均电位值从每个通道的电位值中减去。对于Channel 1，新的电位值将是1 - 2 = -1微伏；对于Channel 2，新的电位值将是2 - 2 = 0微伏；对于Channel 3，新的电位值将是3 - 2 = 1微伏。

这个过程将在所有时间点上重复进行，从而得到经过平均参考处理后的EEG信号。

需要注意的是，上述例子仅用于说明平均参考的基本原理。在实际应用中，EEG数据通常包含更多的通道和更复杂的信号模式。此外，平均参考处理通常是通过专门的软件库（如MNE）来实现的，这些库提供了更高级的功能和算法来优化处理过程。

平均参考处理有助于减少EEG信号中的共模噪声（即所有通道共有的噪声），并增强与大脑活动相关的信号成分。这对于后续的脑电信号分析和解释是非常重要的。

目前了解到的信息来说共平均参考和平均参考是一样的（可能有误）

基线校正

基线校正是什么？

基线校正Baseline Correction，从字面理解就是对基线进行校正。这里有两个方面，首先，基线是什么？如何确定基线？另外一个方面是，为什么要校正以及如何校正。
我们先默认是需要进行基线校正的，关于为什么需要，这个背后的原因会在第二部分进一步说明。所以，既然是一种校正，那么，这也就说明了，一定是存在偏差的，校正的目的就是为了减少偏差。
那么，什么是基线？简单来说，基线就是基础线，是一个一般意义上大部分时候会出现的情况，也就是常态。在脑电中就是刺激前/event的一段时间。
基线校正这个环节一般都是出现在预处理的分段之后的。在分段时要划分event/刺激，一般分段并不是从刺激开始的时候才开始的，而是在刺激出现前后各划分一段时间，这样，以刺激出现为0点，刺激前时间为负值，刺激后时间为正值。例如，分段为[-1 2]代表刺激为0点，在刺激前取1s和刺激后取2s共3s。

基线校正详细信息链接：https://www.jianshu.com/p/8e38573ca7aa

带通滤波

#设计带通滤波器,其中的data是单通道的eeg数据
from scipy import signal
#滤波器的阶数n
n=4
#fs信号的采样频率
fs=128
#希望保留的频率范围low-high
low=10
high=30
#截止的频率范围
wn=[low/(fs/2),high/(fs/2)]
#设计Butterworth带通滤波器
[b,a]=signal.butter(n,wn,'bandpass')
#最后实现带通滤波
filtered_data=signal.filtfilt(b,a,data)