脑电信号处理与可视化算法集成工具箱

资 源 简 介

本程序集合专为生物医学工程、神经科学及信号处理方向的学生和科研人员设计，提供了一套基于MATLAB环境的完整大脑信号（主要针对EEG/MEG）处理方案。 该工具箱实现了从原始信号预处理到高级特征提取及空间可视化的全流程算法。预处理模块包含了陷波器、巴特沃斯带通滤波器以及基于独立成分分析（ICA）的伪迹剔除技术，能够有效去除脑电中的眼动、肌电和工频干扰。信号分析模块集成了经典的快速傅里叶变换（FFT）、Welch法功率谱密度估计、短时傅里叶变换（STFT）以及连续小波变换（CWT），帮助用户在时域、频域和时频域深度解析脑电波节律（如Alpha、Beta、Theta、Delta波）。 针对可视化研究方向，本项目重点开发了多通道信号动态波形图、时频能量热力图以及基于国际10-20系统的脑电地形图（Topographic Map）投影算法，支持生成反映大脑皮层电位空间分布规律的二维或三维热度映射。此外，本程序集还包含了事件相关电位（ERP）的叠加平均算法和基本的统计分析功能，是学习数字信号处理在生理信号领域工程实践的理想教学与研究参考代码。

详 情 说 明

常用大脑电信号处理与可视化算法集成工具箱

项目介绍

本工具箱是一套基于 MATLAB 环境开发的脑电信号（EEG）处理与分析集成方案。程序旨在为生物医学工程及神经科学领域的学习者和研究人员提供一个从原始数据模拟到高级特征提取、再到空间轨迹可视化的全流程参考体系。通过纯代码实现核心算法（而非仅依赖现有库函数），本项目深入展示了数字信号处理在生理电信号分析中的工程实践，涵盖了时域、频域、时频域及空间域的四大维度分析。

功能特性

1. 信号仿真与建模：能够模拟生成包含 Alpha、Beta、Theta 等典型节律的 32 通道脑电信号，并叠加 50Hz 工频干扰、眼动伪迹（低频冲击）和高频肌电噪声。
2. 模块化预处理：集成了双重滤波方案（陷波+带通）以及基于独立成分分析（ICA）的伪迹剔除技术，能够精确分离并消除眼动等非脑源性干扰。
3. 深度频谱分析：支持基于 Welch 法的功率谱密度估计，比传统周期图法具有更低的方差，并提供短时傅里叶变换（STFT）与连续小波变换（CWT）两种时频分析方法。
4. 事件相关电位（ERP）：提供基于事件标记的信号截取、叠加平均及基线校正功能，用于提取受特定刺激诱发的微弱神经活动。
5. 脑电地形图投影：实现了基于国际 10-20 系统的二维电位空间映射算法，支持将频域特征投影至头模平面，展现大脑皮层的活动分布。
6. 全方位可视化平台：一键生成包含多通道波形、功率谱、时频热力图、小波尺度图、ERP 波形及脑电地形图在内的综合分析面板。

算法与实现逻辑

信号处理全流程说明

程序遵循“模拟/输入 -> 清洗 -> 提取 -> 映射”的标准神经信号处理管线：

1. 信号模拟逻辑

系统假设了一个 500Hz 采样率的环境，通过叠加不同频率的正弦波模拟脑电节律。特别设计了空间分布特性：眼动伪迹主要分布在前部通道（1-8通道），而电极坐标按圆形布局分布。

1. 预处理逻辑

首先通过 IIR 陷波器精准剔除 50Hz 工频噪声。随后应用 4 阶巴特沃斯带通滤波器（0.5-45Hz）保留具有生理意义的频段。核心环节采用独立成分分析（ICA）算法，将多通道观测信号分解为相互独立的成分，手动将识别为干扰的成分置零后进行信号重构。

1. 特征分析逻辑

频谱估计：手动实现 Welch 算法，通过分段、加 Hann 窗及平均处理，获得平滑的功率谱曲线。 时频分析：STFT 采用 Hamming 窗滑动计算 FFT 以捕捉频率随时间的变化；CWT 则利用 Morlet 小波作为基函数，通过卷积运算实现多尺度时频解析。 ERP 提取：以事件标记为基点，在 -200ms 至 800ms 的窗口内进行多段平均，并以窗口前 200ms 的均值作为基线进行扣除，消除直流偏移。

1. 空间映射逻辑

程序通过 griddata 算法在非规则排列的电极之间进行 v4 双曲面插值，生成高分辨率的电位网格。利用圆形掩模技术将绘图区域限制在头模内部，并绘制代表鼻子和耳朵的几何轮廓以标识方向。

核心函数与实现细节

独立成分分析 (perform_simple_ica)

实现了一个基于固定点迭代算法框架的简化 ICA。其逻辑包括数据的中心化、利用特征值分解进行白化处理（消除通道相关性并归一化方差），以及通过非线性函数迭代寻找原始信号的独立投影方向。

特征提取算法

1. Welch 功率谱：通过分段（Segmenting）和 50% 重叠（Overlap）处理，结合 Hann 窗函数抑制频谱泄露，计算每个片段的周期图并求均值。
2. 短时傅里叶变换：通过滑动窗口截取信号并进行快速傅里叶变换，形成时间-频率-幅度的三维矩阵。
3. 连续小波变换：构建 Morlet 小波复数基函数，通过在不同尺度（Scales）下与原始信号进行卷积，获得比 STFT 更好的对数频率分辨率。

脑电地形图算法 (draw_topomap)

该函数将一维的通道能量向量转化为二维空间分布图。其核心在于 griddata 的插值计算以及对超越单位圆（电极分布外围）数据的 NaN 偏移处理，确保了热力图仅在头模型范围内显示。

使用方法

1. 环境准备：确保计算机已安装 MATLAB R2016b 或更高版本。
2. 运行程序：在 MATLAB 命令行窗口中定位至代码所在目录。
3. 执行分析：在命令行输入主程序函数名并回车。
4. 结果查看：程序将自动弹出一个交互式图形窗口，展示从原始信号到处理后特征的所有可视化图表。
5. 参数调整：用户可手动修改主程序开头的采样频率（fs）、通道数（n_channels）或滤波频段等参数，以适应不同的实验需求。

系统要求

1. 软件环境：MATLAB (含 Signal Processing Toolbox 信号处理工具箱)。
2. 硬件环境：建议 8GB RAM 以上，以支持多通道长时程信号的 ICA 矩阵运算。
3. 基础知识：了解基本的脑电（EEG）生理节律定义及数字信号处理基础常识。