4、脑电信号预处理：工频干扰、眼电/肌电伪迹、基线漂移、滤波方法（低通/高通/带通/陷波）、重参考与平均参考

脑电信号（EEG）的幅值通常在微伏（μV）量级，而环境噪声、生理伪迹和采集系统本身的非理想特性往往比目标信号强数个数量级。预处理的目标并非“美化”数据，而是尽可能在保留真实神经活动的前提下，去除或抑制与神经活动无关的干扰成分。本章将围绕四大类核心问题展开：工频干扰及其陷波处理、眼电与肌电伪迹的识别与剔除、基线漂移的成因与高通滤波策略、以及参考电极的选择与重参考技术。理解这些方法的原理与适用边界，是后续进行时频分析、源定位或脑机接口（BCI）特征提取的前提。

4.1 工频干扰与陷波滤波器

4.1.1 核心原理

工频干扰（50Hz或60Hz）及其谐波（100Hz、150Hz等）是EEG中最常见的环境噪声来源，主要经由电源线、照明设备、接地回路以及人体与电极之间的分布电容耦合进入采集系统。由于EEG有效信号频带通常集中在0.5~40Hz，工频干扰恰好落在频带边缘或之外，但因其幅值可能达到数十微伏，会显著降低信噪比，甚至掩盖皮层节律活动。陷波滤波器（Notch Filter）是一种特殊的带阻滤波器，其理想特性是在特定频率点（如50Hz）处增益为零，而其他频率成分不受影响。实际实现中，陷波滤波器通常采用IIR（无限脉冲响应）或FIR（有限脉冲响应）结构，其中IIR型（如Butterworth、Chebyshev）计算效率高，但存在相位非线性；FIR型具有线性相位特性，但阶数较高、延迟较大。

4.1.2 判断方法与操作流程

判断是否需要陷波处理，首先应观察原始信号的功率谱密度（PSD）。若在50Hz（或60Hz）处出现明显尖峰，且幅值超过相邻频段背景噪声的3倍以上，则必须进行陷波。操作流程如下：

1. 采集一段静息态数据（至少10秒），计算PSD，确认工频干扰频率及谐波分布。
2. 选择陷波频率（通常为50Hz或60Hz，需根据所在国家电网标准确定）。
3. 设置陷波带宽（Q值），一般Q=30~50，即带宽约1~1.7Hz。Q值过高会导致滤波器对频率漂移敏感，Q值过低则会损失过多有效信号。
4. 若存在谐波干扰（如100Hz、150Hz），需级联多个陷波器或使用梳状滤波器。

4.1.3 案例拆解：50Hz工频干扰的消除

某BCI实验采用8通道干电极采集运动想象EEG，采样率250Hz。预分析发现PSD在50Hz处有约15μV的尖峰，且100Hz处有微弱谐波。初始方案直接使用50Hz陷波器（Q=35），但发现滤波后信号在50Hz附近出现“凹陷”，导致运动想象相关beta频段（18~25Hz）能量略有下降。进一步分析发现，该设备存在轻微频率漂移（49.8~50.2Hz），固定频率陷波效果不稳定。解决方案：改用自适应陷波器（基于LMS算法），实时跟踪工频频率变化；同时将Q值调整为45，带宽收窄至1.1Hz，减少对邻近频段的影响。处理后，50Hz干扰从15μV降至2μV以下，beta频段能量保留率从92%提升至97%。

4.1.4 常见误区与总结

• 误区一：陷波器可以完全消除工频干扰。实际上，陷波器只能抑制窄带频率，若工频干扰伴有谐波或间谐波，需多级处理。
• 误区二：Q值越高越好。高Q值虽然带宽窄，但对频率漂移极其敏感，且滤波器阶数增加，计算负担加重。
• 误区三：所有EEG数据都必须陷波。若工频干扰幅值低于噪声底且不影响后续分析，可跳过此步骤，避免不必要的信号失真。

4.2 眼电与肌电伪迹的识别与剔除

4.2.1 核心原理

眼电伪迹（EOG）源于眼球运动（眨眼、扫视）产生的电场变化，其幅值可达数百微伏，频率主要集中在0~10Hz，但眨眼瞬态成分可延伸至20Hz以上。肌电伪迹（EMG）来自头颈部肌肉收缩，频率范围广（20~200Hz），幅值随肌肉紧张程度变化。这两类伪迹在时域上表现为大幅值、非平稳的瞬态波形，在频域上会与真实神经信号重叠，尤其是肌电伪迹与beta/gamma频段重叠严重。剔除策略分为三类：基于阈值/统计的方法、基于回归的方法、基于盲源分离（如ICA）的方法。

4.2.2 判断方法与操作流程

识别伪迹首先通过时域波形观察：眨眼伪迹在额叶通道（Fp1、Fp2）表现为明显的正向偏转，持续时间约100~200ms；肌电伪迹则表现为高频、不规则的小幅波动。操作流程建议：

1. 计算各通道信号的幅度统计（均值、标准差、峰峰值），设定阈值（如峰峰值超过5倍标准差）标记伪迹段。
2. 使用ICA分解信号，识别独立分量中与EOG/EMG形态高度相关的成分（如空间分布集中在额叶、时间序列与眨眼事件同步）。
3. 对识别出的伪迹成分置零或剔除，然后重建信号。
4. 对于实时BCI系统，可采用基于回归的自适应滤波器，利用额外EOG通道作为参考信号进行在线去除。

4.2.3 案例拆解：运动想象任务中的眨眼伪迹处理

某运动想象BCI实验，受试者在想象左手/右手运动时频繁眨眼，导致C3、C4通道出现明显伪迹。初始采用简单阈值法（峰峰值>100μV）剔除伪迹段，但发现剔除后有效数据量减少约30%，且部分伪迹幅值较低未被完全识别。改进方案：首先使用高通滤波（1Hz）去除基线漂移，然后采用ICA分解（32通道，Extended Infomax算法），识别出2个与眨眼相关的独立分量（空间模式集中在Fp1/Fp2，时间序列与眨眼事件高度相关）。剔除这两个分量后重建信号，伪迹能量降低85%，有效数据保留率提升至95%。同时，对残留的微小肌电伪迹，采用50Hz陷波+30Hz低通滤波进一步抑制。最终分类准确率从78%提升至86%。

4.2.4 常见误区与总结

• 误区一：ICA可以完全分离所有伪迹。实际上，当伪迹与神经信号在空间和时间上高度相关时，ICA可能无法完全分离。
• 误区二：剔除伪迹段会丢失重要信息。合理设置阈值和采用软阈值（如部分剔除）可以在保留数据量和去除伪迹之间取得平衡。
• 误区三：肌电伪迹只能通过滤波去除。滤波会同时衰减高频神经信号，建议结合ICA或时域特征识别。

4.3 基线漂移与高通滤波

4.3.1 核心原理

基线漂移是指EEG信号中缓慢变化的低频成分（通常低于0.5Hz），主要由电极-皮肤界面阻抗变化、放大器直流偏置漂移、受试者出汗或呼吸运动引起。基线漂移的幅值可达数百微伏，会严重影响后续的幅值分析和时域特征提取。高通滤波器是去除基线漂移的标准工具，其截止频率的选择需权衡：过高会衰减慢皮层电位（SCP）等低频神经信号，过低则无法有效去除漂移。

4.3.2 判断方法与操作流程

判断基线漂移的严重程度，可通过观察原始信号的时间波形：若信号整体呈现缓慢的上升或下降趋势，或不同通道间基线不一致，则需处理。操作流程：

1. 计算信号的低频成分（如通过0.5Hz低通滤波），评估漂移幅值。
2. 选择高通截止频率：常规EEG分析推荐0.5Hz；若关注SCP或慢波，可降至0.05~0.1Hz；若仅关注高频成分（如gamma），可提高至1~2Hz。
3. 使用零相位高通滤波（如Butterworth二阶或四阶，filtfilt实现）避免相位偏移。
4. 对于严重漂移，可先进行多项式拟合（如三次多项式）去除趋势项，再进行高通滤波。

4.3.3 案例拆解：稳态视觉诱发电位（SSVEP）实验中的基线处理

某SSVEP-BCI实验，刺激频率为8Hz、10Hz、12Hz，采样率1000Hz。原始信号存在明显的基线漂移（约200μV，频率0.1~0.3Hz），导致频谱分析中低频段能量泄漏，影响SSVEP谐波检测。初始采用0.5Hz高通滤波，但发现8Hz刺激的基波幅值略有下降（约5%）。分析认为，0.5Hz高通对8Hz信号无直接影响，但滤波器的瞬态响应在刺激起始阶段造成约200ms的失真。解决方案：采用0.3Hz高通（四阶Butterworth，filtfilt），同时将刺激前500ms作为缓冲期，不纳入分析窗口。处理后，基线漂移降至20μV以下，SSVEP信噪比从4.2dB提升至6.8dB，分类准确率从89%提升至94%。

4.3.4 常见误区与总结

• 误区一：高通截止频率越高越好。过高的截止频率会衰减theta（4~8Hz）和delta（0.5~4Hz）频段，影响情绪、睡眠等研究。
• 误区二：基线漂移只影响低频分析。实际上，漂移会通过放大器非线性产生谐波，污染高频段。
• 误区三：所有通道使用相同的高通参数。不同通道的漂移程度可能不同，但统一参数有利于保持空间一致性。

4.4 滤波方法：低通、高通、带通与带阻

4.4.1 核心原理与对比

滤波是EEG预处理的核心环节，其本质是频率选择性衰减。低通滤波（LPF）保留低于截止频率的成分，用于去除高频噪声（如肌电）；高通滤波（HPF）保留高于截止频率的成分，用于去除基线漂移；带通滤波（BPF）是LPF和HPF的组合，常用于提取特定频带（如8~30Hz用于运动想象）；带阻滤波（BSF）即陷波器，用于去除特定窄带干扰。滤波器设计需考虑以下参数：截止频率、阶数（决定滚降陡峭度）、通带纹波、阻带衰减、相位响应。

4.4.2 操作流程与参数选择

滤波参数的选择应基于信号特性和分析目标。通用流程：

1. 确定信号有效频带：通过PSD观察信号能量分布，确定神经信号的主要频段。
2. 选择滤波器类型：IIR（Butterworth）适合离线分析，计算效率高；FIR适合在线系统，线性相位。
3. 设置阶数：二阶Butterworth滚降为12dB/oct，四阶为24dB/oct。阶数越高，相位失真越大。
4. 验证滤波效果：对比滤波前后的PSD，确保目标频段信号无显著衰减。

4.4.3 案例拆解：运动想象BCI的带通滤波优化

某运动想象BCI系统，使用8通道EEG，采样率250Hz。初始采用0.5~40Hz带通滤波（四阶Butterworth），分类准确率为82%。分析发现，运动想象相关特征主要集中在mu（8~12Hz）和beta（18~26Hz）频段，而40Hz以上成分主要为肌电噪声。优化方案：将带通改为0.5~30Hz，并增加50Hz陷波。结果显示，分类准确率提升至87%，且特征稳定性增强。进一步实验发现，将高通截止频率从0.5Hz提升至1Hz，对分类准确率无显著影响，但减少了基线漂移的影响，因此最终采用1~30Hz带通。

4.4.4 常见误区与总结

• 误区一：滤波器阶数越高越好。高阶滤波器虽然滚降陡峭，但相位失真和计算延迟增加，可能影响实时性。
• 误区二：滤波顺序无关紧要。先陷波后带通可避免工频谐波被低通放大，先高通后低通可减少数值不稳定。
• 误区三：滤波可以替代硬件优化。良好的电极接触、屏蔽和接地设计能从根本上减少干扰，滤波只是补救措施。

4.5 重参考与平均参考

4.5.1 核心原理

EEG信号是相对参考电极的电位差，参考电极的选择直接影响信号的空间分布和幅值。常见的参考方式包括：单极参考（如耳垂、鼻尖、Cz）、双极参考（两个电极之间的差分）、以及平均参考（所有电极电位的平均值）。平均参考（CAR，Common Average Reference）通过计算所有通道的平均值作为参考，能有效减小参考电极位置对信号的影响，但前提是电极覆盖足够均匀且数量足够多（通常≥16通道）。重参考（Rereferencing）是在采集后对数据进行重新计算，以改变参考方式，其数学本质是线性变换。

4.5.2 判断方法与操作流程

选择参考方式需考虑实验设计和分析目标：

1. 若关注局部电位变化（如运动想象的感觉运动节律），双极参考或CAR可减少远场干扰。
2. 若进行源定位或全脑功能连接分析，推荐使用平均参考或参考电极标准化技术（REST）。
3. 重参考操作流程：读取原始数据（以某通道为参考）→ 计算目标参考信号（如所有通道均值）→ 从每个通道中减去该参考信号。

4.5.3 案例拆解：P300拼写器中的参考方式选择

某P300拼写器实验，使用32通道EEG，初始采用右耳垂参考。分析发现，P300成分在顶区（Pz）幅值约为5μV，但额叶通道（Fz）出现明显的参考相关伪迹。将数据重参考为平均参考后，Pz幅值提升至7μV，且Fz伪迹显著减少。进一步比较CAR与REST（参考电极标准化技术），发现REST在源定位精度上更优，但计算复杂度较高。最终选择CAR作为标准预处理流程，因其计算简单且效果稳定。该案例表明，参考方式的选择需结合具体实验范式和通道布局。

4.5.4 常见误区与总结

• 误区一：平均参考是“无参考”的。实际上，平均参考仍是一种参考，且对电极覆盖敏感。
• 误区二：重参考可以在滤波之后进行。虽然数学上线性变换可交换，但滤波会改变信号频谱，建议先重参考再滤波。
• 误区三：所有实验都适合使用平均参考。对于高密度EEG（≥64通道），平均参考效果较好；对于低密度EEG，双极参考可能更合适。