eeg信号的预处理（1）

EEG信号的采集过程中，会混入眼动等噪声。眼动噪声相对于EEG信号来说，表现为幅度异常大。如果直接用这样的信号去实现CNN的分类，似乎没有特别影响分类的效果（未进行测试，但是目前分类结果可以达到90%以上，因此默认似乎是影响不明显），但是，如果需要用波段能量去做一些统计分析的时候，超大幅度的噪声，会有明显的影响，这个时候，眼动这样的大噪声需要去除。
自适应滤波的方法亲测比较有效。自适应滤波的原理是将信号中相关的部分提取出来。由于眼动信号与EEG信号是非相关的，因此，眼动作为噪声被去除了。
在执行算法的过程中，需要有一个参考变量，这个参考变量可以选择没有混入眼动信号的（你目测是比较干净的）的EEG信号，当然，也可以是单纯的眼动信号，但是不容易获取，因此，常用第一种方法。
参考信号，可以选择在眼动发生之前的EEG信号，与该信号的相关性很大，效果较好。但是实现的复杂度比较高。比较简单的方法是，可以提前截取一段EEG信号，将这段信号作为参考信号，用在所有需要去除噪声的信号中。处理后的信号，目测比较完美。（但是这个方法的严谨性似乎有所欠缺，需要去证明，所有的脑电的相关性是比较一致）

经过LMS的预处理后，就得到比较正常幅度范围的脑电信号了。这里需要设置的参数，包括，多少幅度以上的信号被认为是需要滤除的眼动信号，另外，眼动持续的时间需要自己设置，即滤波多少个点的EEG信号为好。