为什么你戴上脑电帽看到的波形总是乱糟糟？眨眼、咬牙、甚至心跳都会变成干扰
图：脑电信号预处理流水线——原始嘈杂信号经过去趋势、伪迹去除、滤波、小波分解等步骤，最终得到干净可用的信号
如果你戴上过脑电帽，看到屏幕上那条歪歪扭扭、毫无规律的脑电波，可能会困惑：这真的是大脑在说话吗？事实上，我们头皮上采集到的脑电信号极其微弱（通常只有微伏级），里面混杂着眨眼、咬牙、心跳、甚至墙壁电线发出的各种干扰。脑机接口之所以能用，关键一步就是在信号进入AI解码之前，先做一套"清洗"——这就是脑电信号预处理。本文将科普脑电信号里都有哪些噪声，以及科学家用什么方法把它们去掉。
脑电（EEG）信号本质上是大脑皮层神经元群同步放电产生的电场在头皮表面的反映，幅度通常只有10-100微伏。这个量级非常微弱，任何其他电活动都可能"淹没"大脑信号。噪声主要分为两大类：生理性伪迹和非生理性干扰。
人的眼球相当于一个小电池：角膜带正电、视网膜带负电，形成约100毫伏的电场。当你眨眼或转动眼球时，这个电场会在头皮前额叶电极上产生巨大的偏转——幅度可达数百微伏，比脑电信号大几十倍。眨眼产生的眼电伪迹主要集中在前额，频率很低（通常低于5Hz），在波形上表现为明显的尖峰。这是脑电采集中最常见、也最让人头疼的干扰。
当你咬紧牙关、皱眉、嚼东西或颈部肌肉紧张时，面部和颈部肌肉会产生肌电信号。肌电信号频率很高（20-300Hz），是一种宽带高频噪声，在波形上表现为密集的毛刺。由于肌电频率覆盖了脑电的β波（13-30Hz）甚至γ波频段，它会直接干扰这些频段的分析，比眼电更难通过简单滤波去除。
心脏每跳一下都会产生心电信号，在头皮某些电极上可以观测到与心跳同步的小尖峰。心电信号频率较低（1-40Hz），与脑电频段重叠，而且波形有周期性，容易被误认为脑电节律。在脑电信号中，心电伪迹通常表现为规则的周期性尖峰。
室内交流电的频率在中国是50Hz（美国60Hz），墙壁电线、照明设备、电脑电源都会通过电容耦合在脑电信号中引入50Hz的周期性干扰。这种干扰在波形上表现为50Hz的细密振荡，会明显覆盖脑电信号。当电极阻抗较高、接地不良时，工频干扰尤为明显。专业做法是使用50Hz陷波滤波器，可以在不破坏10Hz α波的情况下将工频干扰抑制约40分贝。
电极在头皮上移动会产生运动伪迹；电极与皮肤接触的慢变化会导致直流漂移；被试出汗会改变皮肤电位，产生慢电位漂移。这些都属于非生理性或采集设备相关的干扰。
滤波是最基础的去噪手段。不同噪声占据不同频率段，通过滤波器可以把不需要的频段滤掉。
| 滤波器类型 | 作用 | 典型参数 | 去除什么 |
|---|---|---|---|
| 高通滤波 | 保留高频，去除慢漂移 | 0.1Hz截止 | 直流漂移、皮肤慢电位、出汗漂移 |
| 低通滤波 | 保留低频，去除高频 | 30-40Hz截止 | 肌电高频噪声、高频电磁干扰 |
| 带通滤波 | 只保留特定频段 | 0.1-30Hz | 高通+低通组合 |
| 陷波滤波 | 去除特定频率 | 50Hz（中国） | 工频干扰 |
需要注意的是，滤波不能去除频率与脑电重叠的噪声。比如眼电主要在低频，可以通过高通部分去除；肌电在高频，可以通过低通滤掉一部分。但如果眼电和肌电的频率与脑电重叠区域无法通过滤波分离，就需要更高级的方法。
ICA（Independent Component Analysis，独立成分分析）是目前去除眼电、心电、肌电伪迹最常用的数据驱动方法。它的原理很巧妙：把多通道脑电信号看作多个独立"信源"的混合——大脑信号、眼电、心电、肌电各是一个独立信源。ICA通过数学计算，把混合信号分解成若干个独立成分，每个成分对应一个信源。
分解后，研究者可以直观看到哪个成分是眼电（前额分布、眨眼峰值）、哪个是肌电（高频、颞区分布）、哪个是心电（周期性尖峰）。把这些伪迹成分去掉，再把剩余成分重新合成，就得到了去除伪迹后的干净脑电。现代工具如MNE-Python、EEGLAB都集成了自动伪迹识别（如ICLabel），可以自动标记眼电、肌电、心电成分。
对于需要实时响应的脑机接口（如控制光标），不能等记录完再离线去噪，必须在线处理。自适应滤波（如维纳滤波、卡尔曼滤波）可以根据参考电极（如专门放在眼睛旁边的EOG电极）实时估计并减去眼电成分。
脑电信号是非平稳的——不同时刻频率成分不同。小波阈值去噪通过把信号分解成不同尺度，对噪声主导的尺度施加阈值，保留信号主导的尺度。EEMD（集合经验模态分解）则自适应地把信号分解成若干本征模态函数，分离噪声成分。这些方法在保留瞬态脑电特征（如P300）的同时去除噪声。
脑机接口的解码准确率，很大程度上取决于输入信号的质量。如果原始脑电里全是眼电和肌电干扰，AI算法再强也会被误导。一套完整的预处理流水线通常包括：重参考 → 去趋势 → 滤波 → ICA去伪迹 → 分段 → 基线校正。每一步都在为最终的解码准确率铺路。
这也是为什么专业脑电采集要涂导电膏、要降低电极阻抗、要让被试放松不咬牙——好的数据采集从源头上减少噪声，比事后去噪更有效。正如神经科学领域的共识："Garbage in, garbage out"（垃圾进，垃圾出）。
Q：消费级脑机头环也做这些预处理吗？
A：大部分消费级头环内置了基本的滤波和去噪算法，但由于只有几个电极、没有专门的眼电参考通道，ICA等高级伪迹去除效果有限。这也是消费级设备精度低于医疗级设备的重要原因之一。
Q：50Hz陷波滤波会不会把有用信号也滤掉？
A：50Hz陷波只去除50Hz附近很窄频段的信号，对脑电主要频段（0.1-40Hz）影响很小。专业设备的50Hz陷波可以抑制工频干扰约40dB，同时几乎不损伤10Hz α波。但如果研究需要用到γ波（30-100Hz），则需谨慎使用陷波。
脑电信号预处理是脑机接口中"看不见但至关重要"的一环。从眨眼产生的眼电尖峰，到咬牙产生的高频肌电毛刺，再到墙壁电线的50Hz干扰，这些噪声如果不去除，再先进的AI解码算法也无法读懂大脑。滤波定频率、ICA分信源、自适应算法实时处理——这套组合拳让微伏级的脑电信号变得干净可用。下次当你看到脑机接口流畅控制光标时，请记住：在那个"意念控制"的背后，是一套精密的信号清洗流程在默默工作。
参考资料：EMOTIV、Bitbrain、MindRove、《信号处理》期刊脑电伪迹去除综述、Anthriq、北京津发科技、Preprints.org等公开资料
* 声明：本文为部分文字和图片来源于网络，转载目的在于传递更多信息，不代表本网站立场。如有侵权或其他问题，请及时联系我们ciaie@foxmail.com及时删除。
订阅电子快讯，获取最新消息
沪公网安备31011802005959号
