脑电独立成分分析（independent component analysis）

相比其它成像方法，EEG更为便捷低价，无论是拿erp成分还是做时频分析，提高信噪比始终是EEG分析的重点。将ICA应用在EEG分析中，可以较好的识别并去掉眼动和其它噪音（heart beat，line noise，muscle noise）。但对ICA分析前的预处理和后期成分的识别，缺少详细的说明。

以下的分析方法主要参考EEGLAB给的非官方说明，tutorial的第九章和第十章，Boy Luck的The ERP Boot Camp，并结合我自己实际分析的血泪经验而来。

1，导入数据

确保导入的数据格式是正确的，并且以双精度格式存储。有的eeglab版本并不能自动识别导入的data是32bit还是16或其他format，一旦手动选错，后果非常严重。如果本来是32bit存储的，导入后的format选为16bit，那么会有一半的数据看起来就是weird。在neuroscan的机子上采集的数据需要特别注意这个问题。 

导入后，plot出来看是否有坏电极，如果只看到少数几条线，那么需要remove DC. 

数据记录和存储的形式跟采集时使用的set up文件有关，所以导入之前，最好也要熟悉一下里面的参数。

2，导入坐标信息（channel info）

导出的EEG，如果不包含坐标信息，那么建议在这一步就加上。电极坐标对后续的ICA分析非常重要，没有坐标信息无法做地形图，而地形图可以让人对成分的分布有基本的认识。

这里需要注意的是，有些厂家总有一套自己的标准，如neuroscan，检查一下坐标，并plot出来，对比和自己实际的电极坐标及label是否一致，有益无害。（被小坑过！）

3，滤波

滤波的标准，此处略有分歧，boy luck认为0.1Hz的 高通就够了。

EEGlab的非正式建议认为1~2 HZ较好，较多的低频噪音会影响ICA的结果分析，而ICA对识别高于这个标准的成分表现较好。并且不会因为如此高的࿰