EEG预处理实战：从滤波到ICA，手把手教你处理脑电伪迹（Python版）

EEG预处理实战：从滤波到ICA，手把手教你处理脑电伪迹（Python版）

脑电信号（EEG）分析是神经科学研究中的重要工具，但原始EEG数据往往包含大量噪声和伪迹。这些干扰信号可能来自眨眼、肌肉活动、设备噪声等多种因素。如何有效去除这些伪迹，提取干净的神经活动信号，是每个EEG研究者必须掌握的核心技能。

本文将带你用Python完成EEG预处理全流程，从基础滤波到高级的独立成分分析（ICA），每个步骤都配有可运行的代码示例。我们使用MNE-Python这一专业工具包，它提供了完整的EEG处理工具链。无论你是刚开始接触EEG分析的科研人员，还是需要优化现有流程的工程师，这篇实战指南都能提供可直接复用的解决方案。

1. 环境准备与数据加载

1.1 安装必要工具包

在开始前，确保已安装以下Python库：

pip install mne numpy matplotlib scipy scikit-learn

MNE-Python是EEG处理的核心库，它提供了从数据加载到高级分析的完整功能。其他库则用于数值计算和可视化。

1.2 加载示例数据集

我们先加载MNE自带的示例数据，这是一个包含视觉和听觉刺激的EEG实验数据：

import mne

sample_data_folder = mne.datasets.sample.data_path()
sample_data_raw_file = sample_data_folder / 'MEG' / 'sample' / 'sample_audvis_raw.fif'
raw = mne.io.read_raw_fif(sample_data_raw_file, preload=True)

查看数据基本信息：

print(raw.info)
print(f"采样率: {raw.info[