2020-09-07

20200907笔记
1.特征提取
下一步是特征提取：信号分析和信息提取。由于EEG信号非常复杂，因此仅通过查看是不可能找到有意义的信息。然后需要应用处理算法来查找肉眼看不到的内容(例如，一个人的意图)。特征提取的方法很多，其中一些是：频带功率(BP)、脑电频带功率之间的互相关频率表示(FR)、时频表示(TFR)、Hjorth参数，参数化建模逆模型和用于P300的特定技术和VEP，例如峰值挑选(Peak picking, PP)和慢皮质电位计算(Slow cortical potentials calculation, SCP)
[32]
Shih, J. J., Krusienski, D. J., & Wolpaw, J. R. (2012). Brain-Computer Interfaces in Medicine. Mayo Clinic Proceedings, 87(3), 268–279.

2.我们有时候会看到数据在做了30Hz的低通滤波之后，还会再做一个50Hz的凹陷滤波，就是因为，并不是做了30Hz的低通滤波就能够完全把30Hz以上的信号全部过滤掉，而50Hz的干扰又是非常强的，所以最好还是再做一个50Hz的凹陷滤波。

3.在后期分析的时候，我们有时候会想要降低采样率，比如降到500Hz或者250Hz。这样做最大的好处其实就是减小数据量，以提高计算速度，没有其他的作用了。所以这一步并不是必须的。

4.采样定理，理论上来说，我们的采样率必须是我们想要分析的波段的两倍，比如我们想要分析60Hz的波，那数据采样率为120Hz就足够了。实际上，建议采样率最好在分析波段的三到四倍。

5.剔除坏段
预处理到了这一步，已经接近于完成了。最后一个步骤就是要剔除掉波幅超过100微幅的trial(要求严格一点也可以定位80)，因为波幅起伏这么大的活动，已经不是由认知活动引起的了，肯定是由于其他的动作引起的，所以可以直接剔除掉。
这一步操作一定要在插值坏导和ICA去除眼电成分之后再做，因为有可能被试眨眼比较频繁，那这么操作下来，有可能就需要删掉接近一半的trials数了，删掉的trials数太多，这个数据也就废了。所以要将它留到最后一步才做，同时，这个操作也能用来检查我们前两步操作是否足够有效。

6.判断ICA眨眼成分,颜色的深浅有意义，但是红还是蓝无所谓，大红大蓝都可以的。
头动成分在单个trial里有非常明显(非常长)的飘移。