数据预处理实战：滤波、降采样、独立成分分析去伪迹、基线校正

好，咱们直接进入正题。数据预处理这步，说白了就是给原始脑电信号「洗澡」。你想想看，直接从放大器采回来的信号，里面什么都有——工频干扰、肌电、眼动、还有被试自己晃脑袋产生的伪迹。不洗干净，后面的迁移学习模型再牛也白搭。

我个人习惯把这四个步骤串成一个流水线：滤波 → 降采样 → ICA去伪迹 → 基线校正。顺序别搞反，尤其是ICA一定要放在降采样之后做，不然计算量会让你怀疑人生。

1. 滤波：先把脏东西筛掉

滤波是第一步，也是最容易出问题的一步。我见过不少新手上来就搞个0.1-100Hz的宽通带，觉得「保留信息越多越好」。其实不是这样的。

对于运动想象或SSVEP这类任务，我们关心的频段其实很窄。比如运动想象主要看mu节律（8-12Hz）和beta节律（18-26Hz）。你留太多高频成分，反而把肌电噪声引进来了。

我一般这么配：

from scipy import signal
import numpy as np

def apply_filter(data, fs, low=0.5, high=45):
    """
    data: 通道数 × 时间点
    fs: 采样率
    """
    sos = signal.butter(4, [low, high], btype='bandpass', fs=fs, output='sos')
    filtered = signal.sosfilt(sos, data, axis=1)
    return filtered

# 再加一个50Hz陷波（国内工频是50Hz）
b_notch, a_notch = signal.iirnotch(50, 30, fs)
data_notched = signal.filtfilt(b_notch, a_notch, filtered, axis=1)

2. 降采样：别让计算量爆炸

现在很多脑电设备采样率动辄1000Hz甚至更高。但说实话，对于大多数BCI任务，250Hz完全够用了。为什么？因为我们的有效信号频率上限也就45Hz左右，根据奈奎斯特定理，100Hz采样就够了。留点余量，250Hz很安全。

降采样有个关键点：必须先做抗混叠滤波。直接降采样会产生频谱混叠，高频噪声会折叠到低频段，到时候你分不清是真实信号还是伪迹。

from scipy import signal

def downsample(data, original_fs, target_fs=250):
    # 先做抗混叠低通滤波
    cutoff = target_fs / 2 * 0.9  # 留10%余量
    sos = signal.butter(8, cutoff, btype='low', fs=original_fs, output='sos')
    data_lp = signal.sosfilt(sos, data, axis=1)
    
    # 再降采样
    factor = int(original_fs / target_fs)
    downsampled = data_lp[:, ::factor]
    return downsampled

3. ICA去伪迹：把眼电和肌电揪出来

独立成分分析（ICA）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独立的成分，然后找出那些明显是噪声的成分，把它们剔除。

怎么判断哪个成分是噪声？我一般看三个特征：

• 地形图分布：眼电成分通常集中在前额，呈对称分布
• 时间序列：眼电成分有明显的眨眼波形，肌电成分则是高频毛刺
• 功率谱：眼电成分低频能量高，肌电成分高频能量高

from sklearn.decomposition import FastICA

def ica_denoise(data, n_components=None):
    """
    data: 通道数 × 时间点
    返回去除伪迹后的数据
    """
    n_channels = data.shape[0]
    if n_components is None:
        n_components = n_channels  # 保留全部成分
    
    ica = FastICA(n_components=n_components, random_state=42)
    sources = ica.fit_transform(data.T).T  # 转置成 成分数 × 时间点
    
    # 这里需要手动标记哪些成分是噪声
    # 实际项目中我会画图逐个检查
    # 假设我们标记了第0、1、2成分为眼电
    bad_components = [0, 1, 2]
    
    # 将噪声成分置零
    sources[bad_components, :] = 0
    
    # 重建信号
    clean_data = ica.inverse_transform(sources.T).T
    return clean_data

4. 基线校正：让数据站在同一起跑线

基线校正说白了就是「归零」。每个trial在刺激出现前会有一段静息期（比如-200ms到0ms），这段时间里理论上不应该有任务相关的脑电活动。但实际采集时，由于电极极化、直流漂移等原因，每个trial的基线电平都不一样。

基线校正的做法很简单：用刺激前这段数据的均值，减去整个trial的数据。

def baseline_correction(epochs, baseline_window=(-200, 0), fs=250):
    """
    epochs: trial数 × 通道数 × 时间点
    baseline_window: 基线窗口，单位ms
    """
    # 将ms转换为采样点
    start_idx = int(baseline_window[0] * fs / 1000)
    end_idx = int(baseline_window[1] * fs / 1000)
    
    # 计算基线均值
    baseline_mean = np.mean(epochs[:, :, start_idx:end_idx], axis=2, keepdims=True)
    
    # 减去基线
    corrected = epochs - baseline_mean
    return corrected

完整预处理流程

把上面四步串起来，就是一套完整的预处理流水线。我一般会封装成一个函数，方便批量处理多个被试的数据。

def preprocess_pipeline(raw_data, fs=1000, target_fs=250):
    """
    完整的预处理流水线
    raw_data: 通道数 × 时间点
    """
    # 1. 滤波
    print("正在滤波...")
    data = apply_filter(raw_data, fs)
    
    # 2. 降采样
    print("正在降采样...")
    data = downsample(data, fs, target_fs)
    
    # 3. ICA去伪迹
    print("正在运行ICA...")
    data = ica_denoise(data)
    
    # 4. 基线校正（假设epochs已经切好）
    # data = baseline_correction(epochs)
    
    return data

嗯，到这里预处理部分就讲完了。你可能会问：为什么顺序是固定的？其实我试过先降采样再滤波，结果发现降采样前的抗混叠滤波和后面的带通滤波有重叠，浪费计算资源。先滤波再降采样，能保证进入降采样环节的信号已经是干净的，抗混叠效果更好。

最后说一句：预处理没有标准答案。不同设备、不同实验范式、不同被试，参数都要微调。我给你的这套参数，是我在多个项目里试出来的「安全起点」。你可以在这个基础上根据实际情况调整。