脑电波远程采集，手把手教你脑电波采集及信号处理分析
脑电波远程采集，手把手教你脑电波采集及信号处理分析但我们通常需要加一个右腿驱动电极，比如在乳突，这是为什么呢？先用专业的话：随便在头上两个位置放两个电极，一正一负，放大uV信号（其他脑电信号特征，如频段，干扰源等感兴趣可自行百度） 测量其电势差。分两个PART，第一个讲采集，第二个讲处理。Part one:脑电，心电，肌电，眼电等，都是身体上两点的电压差，和我们测电池的电压本质上没有区别。
关键词：EEG数字信号处理，FFT， EDF格式转换
作为一名资深脑机接口玩家，今天路飞跟大家交流下脑电波信号的采集和分析。感兴趣的朋友可以看看。
注意：该文章旨在让一个人在没有太多基础的情况下，一步一步的了解脑电信号的采集，处理流程。由于本人非专业算法人士，其中可能有诸多错误，欢迎指正。该思路可同样适用于其他信号的分析处理。
源码下载链接见阅读原文
分两个PART，第一个讲采集，第二个讲处理。
Part one:
脑电，心电，肌电，眼电等，都是身体上两点的电压差，和我们测电池的电压本质上没有区别。
随便在头上两个位置放两个电极，一正一负，放大uV信号（其他脑电信号特征，如频段，干扰源等感兴趣可自行百度） 测量其电势差。
但我们通常需要加一个右腿驱动电极，比如在乳突，这是为什么呢？先用专业的话：
共模输入电压会影响输入差分对的偏置点。由于输入电路固有的不匹配，偏置点的改变会引起输入失调电压的改变，进而引起输出电压的改变。不要心里MMP，这就说人话。请看下面这张图：以心电为例，脑电原理一样。
假设共模干扰是图中的A，有用的ECG信号为B，则我们很有可能采到的是A B 所以我们要把A抵消掉，反馈到身体上一个负A的信号。这样我们抑制了大部分的共模信号，就得到B了。
右腿驱动详细电路及仿真：参考TI Matthew Hann 的文章：
https://link.zhihu.com/?target=http://www.cnblogs.com/myohao/p/8538685.html
另外附上采集电路的框图：
附开源电路图：
这个电路难者不会，会者不难。搞算法的可以不做了解。实在想自己做，可以去买专门脑电模块，名字我就不说了，广告嫌疑。我当时买的几十块钱一片，挺划的来。
Part two:
采集完的数据保存下来，形成数据库。
原文放上了外国人研究常用的数据库
生理信号数据常用的格式为edf，而matlab常用的是mat txt。
假设聪明的你已经在数据库里下载了edf格式的数据。不妨先了解下EDF格式具体内容：
HEADER RECORD
8 ascii : 数据格式的版本
80 ascii : 被试ID
80 ascii : 数据记录编号
8 ascii : 开始记录的日期 (dd.mm.yy)
8 ascii : 开始记录的时间 (hh.mm.ss)
8 ascii : 头比特数
44 ascii :保留给EDF
8 ascii : 初始值-1，结束时被赋其他值
8 ascii : 数据持续记录时间，s
4 ascii : 记录几种信号种类
ns * 16 ascii : 电极位置，体温等信息
ns * 80 ascii : 电极信息
ns * 8 ascii : ns * 幅值单位信息
ns * 8 ascii : ns * physical minimum (e.g. -500 or 34)
ns * 8 ascii : ns * physical maximum (e.g. 500 or 40)
ns * 8 ascii : ns * digital minimum (e.g. -2048)
ns * 8 ascii : ns * digital maximum (e.g. 2047)
ns * 80 ascii : 滤波器参数
ns * 8 ascii : 采样率
ns * 32 ascii : 采集信号类型
DATA RECORD
nr of samples[1] * integer : first signal in the data record
nr of samples[2] * integer : second signal
..
nr of samples[ns] * integer : last signal
我们将matlab官方提供的读edf头文件的脚本跑一下：看看是否像如上格式
“edfRead ” version 2.10 (7.44 KB) by Brett Shoelson：
下载代码，命令行运行结果如下：
符合翻译的Header的格式。
帧头之后就是数据了。
这里原始数据我用了网上的另一个代码：因为他支持的格式更全，支持edf rec转mat。
用的是 Alois Schloegl 的脚本。
直接运行代码取变量S的前三列，即EDF数据前三通道的脑电数据，画出结果如下：
将工作区的变量S右键，数据另存为导出为txt。好了有了我们最熟悉的txt格式，接下来选出想分析的通道（列）进行分析就可以了。
接下来我们跑个简单的算法：FFT分析睡眠数据，我们提取出不同的节律，也就是不同的频段，进行功率谱估计。
以下是四种节律：
α/阿尔法脑波（ALPHA）在大脑中有时出现，有时消失，它并不总是存在。例如，在深睡情况下没有α波；如果一个人在激动状态下，或恐惧，愤怒时，大脑中也没有α脑波。α脑波在初睡或初醒时出现（即半睡半醒时），此时身体处于放松状态，并有自觉的警觉意识。
δ/德尔塔脑波（DELTA）只在深睡时出现。
θ/西塔脑波（THETA）在浅睡时出现。
β/贝塔脑波（BETA）在清醒时出现，伴有需努力能够达到的注意力集中。
不懂傅里叶变换原理的先来这里：最通俗的讲解传送门：
https://zhuanlan.zhihu.com/p/19759362
Matlab下FFT实现代码实例：
见原文
有了FFT的函数，在主函数中调用，分割不同频率，分割不同时间，就得到需要的图片了。比如，我想得到10s-150s的θ/西塔脑波（THETA）值。部分源码见原文。
测试结果如下
符合截取区间。
完。
结语：从信号特点到分析，再到采集，再到大量数据库的使用，再到简单的一个算法DEMO。算是把生理信号的一个流程给写的差不多了。你大概清楚了吗？
