第一章：神经信号基础与数据预处理
大家好，我是你们的老朋友。今天咱们聊聊神经信号处理的第一步——数据预处理。说实话，我见过太多同学一上来就急着搭模型，结果数据质量不过关，后面怎么调参都白搭。嗯，这章咱们就把地基打牢。
核心观点：预处理做得好，模型成功一半。这不是夸张，是我踩过无数坑后的血泪总结。
1.1 EEG/MEG信号基础
EEG（脑电图）和MEG（脑磁图）是两种最常用的非侵入式神经信号采集技术。说白了，EEG记录的是大脑皮层神经元的电活动，MEG记录的是与之相关的磁场变化。
我个人习惯把EEG想象成「从头顶偷听大脑的悄悄话」。电极贴在头皮上，每个通道记录的是该位置下方皮层区域的综合电活动。采样率通常在250-1000Hz之间，频率范围从0.5Hz到100Hz左右。
MEG呢，虽然设备贵得离谱（一台几千万），但它对深部源定位更准，而且不受头皮和颅骨的信号衰减影响。我在项目中遇到过同时采集EEG和MEG的数据，说实话，MEG的预处理要省心不少——因为磁场不太受肌肉活动干扰。
两种信号的核心频段划分如下：
| 频段 | 频率范围 | 常见生理意义 |
|---|---|---|
| Delta | 0.5-4 Hz | 深度睡眠、婴儿期 |
| Theta | 4-8 Hz | 冥想、记忆编码、困倦 |
| Alpha | 8-13 Hz | 放松、闭眼状态 |
| Beta | 13-30 Hz | 主动思考、注意力集中 |
| Gamma | 30-100 Hz | 高级认知、跨脑区整合 |
小技巧：我一般先看Alpha频段的功率，如果闭眼状态下Alpha波不明显，说明数据质量可能有问题——要么电极接触不好，要么被试太紧张了。
1.2 常见噪声类型
神经信号里的噪声，说白了就是「你不想要的那部分信号」。我把它分成三类：
- 生理伪迹：眨眼、眼动、心跳、肌肉活动、出汗。其中眨眼最烦人，幅度大、频率高，能把整个通道的信号都带偏。
- 环境噪声：50/60Hz工频干扰（取决于你在地球哪个角落）、电磁设备干扰、机械振动。我记得有一次在老旧实验室做实验，工频干扰大到连Alpha波都看不见了。
- 设备噪声：电极接触不良、放大器漂移、线缆松动。这类噪声通常表现为突然的尖峰或基线漂移。
你想想看，如果原始数据里全是这些乱七八糟的东西，模型学到的到底是大脑活动还是眨眼模式？所以预处理必须到位。
1.3 数据清洗流程
我一般按这个顺序来清洗数据，顺序很重要，别乱来：
- 可视化检查：先看一眼原始数据，有没有明显的坏道、大漂移、饱和信号。这一步靠经验，看多了就知道哪些是「正常丑」，哪些是「不正常丑」。
- 坏道剔除/插值：如果一个通道从头到尾都是平的或者全是尖峰，直接扔掉或者用周围通道插值补上。
- 带通滤波：保留你关心的频段，去掉低频漂移和高频噪声。
- 陷波滤波：干掉50/60Hz工频干扰。
- ICA去伪迹：分离并去除眼电、心电等生理伪迹。
- 分段与基线校正：把连续信号切成一个个trial，减去基线均值。
- 重参考：把数据转换到合适的参考电极（比如平均参考）。
注意：我曾经跳过可视化检查直接跑ICA，结果发现有一半的独立成分都是坏道贡献的——白白浪费了半小时。所以，先看数据，再动手。
1.4 带通滤波与陷波滤波
滤波是预处理里最基础也最容易翻车的一步。带通滤波就是只保留某个频率范围，比如0.5-40Hz。陷波滤波则是精准干掉某个窄频段，比如50Hz。
我个人习惯用scipy.signal里的filtfilt函数，因为它做的是零相位滤波，不会引入时间偏移。你想想看，如果滤波后信号的时间轴都歪了，后面做事件相关电位分析还怎么对齐？
import numpy as np
from scipy import signal
def apply_bandpass(data, fs, lowcut=0.5, highcut=40, order=4):
nyquist = 0.5 * fs
low = lowcut / nyquist
high = highcut / nyquist
b, a = signal.butter(order, [low, high], btype='band')
return signal.filtfilt(b, a, data, axis=-1)
def apply_notch(data, fs, notch_freq=50, quality=30):
nyquist = 0.5 * fs
w0 = notch_freq / nyquist
b, a = signal.iirnotch(w0, quality)
return signal.filtfilt(b, a, data, axis=-1)
避坑指南：我曾经把滤波阶数设到8阶，结果信号边缘出现了明显的振铃效应（Gibbs现象）。后来我学乖了，阶数一般用4阶，够用就行。
1.5 ICA去伪迹
ICA（独立成分分析）是去伪迹的利器。它的原理很简单：把多通道信号分解成统计上相互独立的成分，然后手动识别哪些成分是伪迹，哪些是大脑活动。
怎么识别伪迹成分？我一般看三个东西：
- 时间序列：有没有明显的眨眼波形（陡峭的尖峰）或心跳波形（规律的小波动）。
- 频谱图：伪迹成分通常在低频（<2Hz）有很高的功率，或者有很窄的尖峰。
- 地形图：眼电伪迹通常在前额电极权重最大，心电伪迹在颞叶电极权重最大。
嗯，这里要注意：ICA不是万能的。如果数据里坏道太多，ICA会强行把坏道信号也分解成「独立成分」，反而更难处理。所以一定要先做坏道剔除。
from sklearn.decomposition import FastICA
def run_ica(data, n_components=None):
ica = FastICA(n_components=n_components, random_state=42)
components = ica.fit_transform(data.T) # shape: (n_channels, n_samples)
mixing = ica.mixing_
return components, mixing
# 手动标记要剔除的成分索引（比如第0、2、5个成分是伪迹）
bad_components = [0, 2, 5]
components[bad_components] = 0
cleaned_data = np.dot(mixing, components).T
警告：我曾经一次性剔除了10个成分，结果发现把大脑的Alpha节律也给干掉了。所以，剔除成分要克制，宁少勿多。
1.6 数据标准化与分段
标准化这一步，说白了就是把不同通道、不同被试的数据拉到同一个量级上。不然的话，模型会天然地「偏爱」那些幅度大的通道。
我常用的标准化方法有两种：
- Z-score标准化：每个通道减去均值，除以标准差。适用于大多数场景。
- Min-Max标准化：缩放到[0,1]区间。适用于数据分布比较均匀的情况。
分段呢，就是把连续信号切成一个个小片段。比如做事件相关电位分析，就以刺激出现的时间点为锚点，往前取200ms作为基线，往后取800ms作为反应窗口。
def epoch_data(data, events, fs, tmin=-0.2, tmax=0.8):
"""
events: 事件时间点（单位：秒）
fs: 采样率
"""
start_offset = int(tmin * fs)
end_offset = int(tmax * fs)
epochs = []
for event in events:
idx = int(event * fs)
epoch = data[:, idx + start_offset : idx + end_offset]
epochs.append(epoch)
return np.array(epochs) # shape: (n_trials, n_channels, n_samples)
小技巧：分段后别忘了做基线校正——减去基线段的均值。不然的话，不同trial之间的基线漂移会污染你的ERP波形。
本章知识体系
下面这张图概括了本章的核心逻辑，从原始信号到可建模数据的完整流程：
好了，第一章的内容就到这里。数据预处理是深度学习模型的基础，别嫌麻烦。下一章咱们聊聊如何从预处理后的信号中提取有意义的特征——那才是真正让模型「听懂」大脑语言的关键一步。