这是来自一位酷爱分享脑科学的同行喵喵姐姐的文章。这是她的公众号二维码：

文章开始：

解读：eeglab是基于MATLAB的一个工具包，一般加载的时候都从添加子文件夹导入。在添加多个工具包时，记得只保留必要的工具包，避免兼容报错的问题。

一、导入数据

步骤1：File - Import data - 不同的数据格式不同的导入方法

解读：其中BP设备和ANT设备的数据，都是从.vhdr中导入。

步骤2：File - Load exiting dataset - eeglab_data.set

解读：若是导入eeglab保存的数据，则直接按照步骤2导入即可。

来源：AffectiveNeuroscience

二、定位电极（时间）

步骤：Plot - Channel data(scroll) - settings - time range to display -setting - number of channels to display value(调整幅度）

解读：可以在数据分析之前，浏览一下原始数据，自己对数据的好坏有一个评估。

三、定位电极（空间）

步骤：Edit - Channel locations - read locations ( look up locs) - eeglab_chan64.locs(plot 2D)

解读：在数据分析之前，查看电极点的分布图，方便后期进行使用插值法进行坏点替换。

四、删除无用电极

步骤：Edit - Select data - 点上√，即删除选取的电极；不点√，则是删除剩余的电极。

解读：删除记录多余的电极，只选取自己需要的电极。

四、重参考

步骤1：Edit - Re-reference - re-reference data to channel(s) - 电极点 M1 M2 (TP9 TP10)  （双侧乳突）

步骤2：Edit - Re-reference - compute average reference（全脑平均）

步骤3：使用 rest-reference 插件（零参考）

解读：重参考的方法常用的有双侧乳突、全脑平均、零参考，具体选取那种方法根据以往的参考文献和自己的需要来进行选择。

重参考也是一种空间滤波，主要是通过另外一个角度来看问题。所以不同的在线参考其实对于离线参考没有太大影响。

五、滤波

步骤1：Tools - Filter the data - basic FIR filter - (1 Hz high pass filter first) - Overwrite it in memory(根据需要获取目标频段） 

步骤2：Tools - Filter the data - Basic FIR filter - (30 Hz low pass filter second) - Overwrite it in memory

解读：高通滤波，是指高频信号能正常通过，而低于设定临界值的低频信号则被阻隔、减弱。因而是进行1Hz的高通滤波，而选择的时候，1Hz是频率通过的下限。

低通滤波，是指低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。因而是进行30Hz的低通滤波，而选择的时候，30Hz是频率通过的上限。

早期的eeglab版本，不能够同时滤波，容易卡死；最新版本的eeglab是可以同时进行空间滤波的。

若是后期要做时频分析，可以滤波的范围选择更宽一点，选择0.1-100。若是只进行传统的ERP分析，可以选择1-30左右。

此外，若是进行0.1-100Hz的滤波，为了消除市电的干扰，可以进行50Hz的凹陷滤波。

六、分段和基线矫正

步骤：Tools - Extract epochs(分段 marker 全选）- Automatic baseline correction 

解读：分段的步骤，可以在去除眼电之前，也可以在去除眼电之后。其实最好是在去除眼电之后，因为连续的数据在跑ICA时更好，只是数据量比较大，跑的速度比较慢。

但是若是实验设计当中有出声、身体动，造成伪迹较多，数据杂乱，可以先分段，只是可以在分段的时候，尽量分段长一点。

七、伪迹去除

步骤1：Plot - Channel data(scroll）（删除坏的trial）- 差值坏导（代码）

步骤2：File - Save as - 保存文件

解读：伪迹去除是去除眼电之外的其他杂乱的伪迹，使得在 Run ICA之前的数据比较干净，容易找到眼电成分。

八、Run ICA

步骤：Tools - Run ICA - 'extended',1'pca',30 - OK

解读：Run ICA 的时候，可以写30个，也可以写60个主成分。去除的时候，需要去除自己最肯定的成分，一般都是去除眼电成分。

九、眼电去除

步骤1：Tools - Reject data using ICA - Reject component by map

步骤2：Select each IC and observe

步骤3：Tools - remove components - 填写删除电极的数字 - OK

解读：眼电判断的时候，除了看地形图，也可以看频率分布图、每个成分的波形图，以及矫正之后的脑电图是否有差异，进行综合的评估。

只有自己很确定的伪迹主成分才删除，不然可能会删除自己想要的成分。

若是出来的成分，没有出现明显的伪迹成分，可以多跑几次ICA；或者不分段重新跑一次；再或者再看看原始数据，删除杂乱的成分，重新再跑一次。

这是一步是很需要经验的步骤，若是前期自己把握不准，可以让有经验的人帮忙看看。

通过Adjust插件，也可以进行一个简单的伪迹成分的评估，不过最终的确定还是需要自己来进行评估。

眼电去除的标准

来源：彭微微老师

十、预处理的批处理

步骤：eeg.history - 出现之前处理的代码 - 进行每个被试的批处理 - 然后处理完之后再手动去除眼电成分 - 保存为处理干净的脑电信号 - 进行下一步的分析

解读：脑电数据的预处理是为了提高信噪比，去除噪音，得到比较干净的数据。从而进行下一步的分析。

后续整理工作

来源：彭微微老师

解读：保存数据并整理，方便后期分析；保存图片，方便自己对数据的把握和可视化的呈现。