第3章:预处理 — 滤波与重参考¶
记录数据加载并检查完毕后,本章要在做其他任何事情之前先把它清理干净——这与 MNE-Python 教程预处理一章中以代码形式讲解的滤波与重参考步骤完全相同。
设置通道¶
在重参考或绘制头皮图有意义之前,MNELAB 需要知道每个通道是什么、位于哪里:
- Channels → Set Montage... 通过匹配通道名称,为数据配上一套标准电极布局(或你自己提供的布局)——这与代码中的
raw.set_montage()作用相同。 - Channels → Pick Channels... 和 Channels → Rename Channels... 用于精简通道列表或修正不一致的名称。
- Channels → Interpolate Bad Channels 会根据相邻通道重建被标记为坏道的通道(标记方式为信息面板或 Channels → Channel Properties...),而不是直接丢弃它。
重参考¶
Channels → Change Reference... 可以让你选择一个新的参考——常见的选项包括所有通道的平均值、某个特定电极,或一对连接电极——并据此重新计算记录数据。这与代码中 raw.set_eeg_reference() 所做的是同一个决定,重要性也完全相同:各通道之间的振幅差异,只有在所有通道相对同一个参考点测量时才有意义。
滤波、重采样与裁剪¶
本章余下的步骤都在 Process 菜单中:
- Process → Filter Data... 应用带通和/或陷波滤波——去除低于某个下限的缓慢漂移,以及高于某个上限的工频噪声或其他噪声,这是代码中
raw.filter()和raw.notch_filter()对应的图形界面操作。 - Process → Resample Data... 降低采样率,当你不再需要很高的时间分辨率时,这有助于加速像 ICA 这样的后续步骤。
- Process → Crop Data... 将记录数据裁剪到你关心的时间范围内,丢弃其余部分。
下一步: 第4章 — 使用 ICA 去除伪迹