脑电数据预处理，eeglab预处理采集的SSVEP数据

脑电数据预处理一般包括以下步骤，其中未添加链接的步骤本文未涉及：

顺序	步骤	附注
1	导入数据	·导入脑电数据以及手动导入电极信息和事件
2	定位电极	·导入电极位置相关文件
3	删除无用电极	·如剔除HEOG、VEOG、M1、M2 等电极点
4	重参考	·计算总平均参考或者选择特定电极作为参考
5	滤波	·低通滤波 （设置范围为 30-100Hz) ·高通滤波（设置范围为0.1-1Hz）
6-1	截取正确反应时段	·正确反应时段提取[-3.5s，0s]
6-2	截取刺激相关时段	·事件相关时段提取[-0.5s，-0.1s]
7	基线矫正	·减去基线均值，如事件前[-0.5s，-0.1s]
8	剔除坏段	·剔除极值时段（信号超过±100uV） ·剔除不可信试次（如单电极6个标准差外或所有电极5个标准差外） ·剔除异常分布时段（如维度在平均维度5个标准差外）
9	去除伪迹	·独立成分分析 ·手动剔除成分（如眼电伪迹相关的典型成分） ·基于ICA的分解

本次数据预处理使用的为基于SSVEP采集的脑电数据，SSVEP是稳态视觉诱发电位，属于稳态诱发电位的一种。稳态视觉诱发电位的响应通常在视觉皮层的V1中产生，SSVEP可用于视觉注意和工作记忆等认知评估。在数据预处理方面，以上操作本文未全部涉及。

1.导入数据

首先将Curry采集的脑电信号导入eeglab，数据如图所示：

我的eeglab不能直接导入CDT类型的文件，这里我们打开eeglab导入curry插件，选择File->Manage EEG extensions ，在搜索框内搜索loadcurry并安装

安装成功后选择File->Import data->Using EEG functions and plugins->From Neuroscan Curry files导入CDT文件。结果如下图：

2.定位电极

需要知道的是，在用Curry8采集脑电数据后，相关电极位置信息已经保存在.dpa文件内了，此时如果直接采用EEGLAB读入该数据文件.cdt和配置文件.dpa，则有关电极位置等信息就可自动读入eeglab，我们也就不再需要手动为其添加电极信息了。选择Plot->Channel data 展示未处理之前的数据以及选择Plot->Channel locations展示电极位置：

3.删除无用电极

这里我们选择保留的通道为C3、Cz、C4、P7、P3、Pz、P4、P8、O1、Oz、O2，应该删除HEOG、FP1、FP2、VEOG、F7、F3、Fz、F4、F8、T7、T8、M1、M2、CP3、CPz、CP4这些电极。这里我没有保留T7、T8的电极，可以使用这两个电极做平均参考，我这里使用的Cz作为参考，详细操作见下一步。选择Edit->Selet data得到如下界面：

在Channel range处勾选 on ->remove these表示删除（不勾选表示保留），选择我们要删除的电极，点击OK：


在保留文件界面，勾选Overwrie表示覆盖原文件，点击OK，发现文件大小已经变小，删除成功，如下图：

4.重参考

对于参考电极，在线实验时会设置，但是如果不能准确放置，该电极的噪声也会转化为其他电极的噪声，选择离线分析中重参考也是不错的选择。选择参考电极时应尽可能地远离感兴趣区域的电极，如本次实验数据主要为枕区电极采集得到，因此可以采用双侧耳垂电极的平均电压值作为参考，这里可以选用T7 T8两个电极。为了简便 我这里选择Cz作为参考电极。 选择Tools->Re-reference the data得到如下界面：

勾选Re-reference data to channels 选择我们的参考电极，如果选两个即计算二者的平均电位值作为参考电极（个人理解）。选择好之后点击OK，再次Overwrite保存更改后的数据，得到如下界面，发先在Reference处出现Cz

5.滤波

根据伪迹的频率范围选择合适的滤波器，可以有效减少脑电原始数据中的伪迹，例如低通滤波设置为0.1Hz，高通滤波设置为30Hz。选择Tools->Filter the data->Basic FIR filter，出现如下界面：

两个一起填代表进行带通滤波，将处理好的结果Overwrite覆盖原有数据。

7.基线矫正

根据实验事件中的事件编码，将脑电数据划分为多个数据段，如刺激前100ms到刺激后600ms，在本脑电数据中包含11个类别，这里我都选上选择Tools->Extract Epoch 如下图：

点击OK后继续覆盖保存数据，之后出现界面：

默认点击OK覆盖保存即可。这里我们观察下脑电图，可以看到1 2 3 4 5 …基线已经包含：

9.去除伪迹

去除伪迹，采用ICA分离伪迹将分离的独立成分伪迹相关成分和神经活动相关成分，再将标记为伪迹的成分剔除，重组得到真实相关的脑电数据。常见的伪迹异常成分地形图表现为：
1.在地形图中能量只集中在额叶（眼电伪迹）
2.地形图不连续（噪声伪迹）
3.地形图受限于单个电极（电极伪迹）
选择Tools->Decompose data by ICA得到如下界面，默认设置点击OK

进行ICA分解，等待一段时间。

分析完成后可以看到 ICA weigths完成，如下图：

展示一下除去伪迹后的脑电光谱图，如下图：

最后将我们简单处理好的脑电数据导出保存，选择File->save current dataset as保存为本地.set文件。