MATLAB脑电信号处理实战：从EEGLAB配置到时频分析

1. 项目概述

脑电数据处理是神经科学和临床医学研究中的基础技能。作为MATLAB在生物医学工程领域的典型应用场景，脑电信号处理既考验编程能力，更需要对神经电生理学的深入理解。这个系列教程的第三部分将聚焦实际数据处理流程，带您完整走通从原始EEG数据到可视化分析的全过程。

我在三甲医院神经电生理室工作期间，处理过上千例临床EEG数据，也参与过多个脑机接口项目的信号处理工作。本文将分享实际工作中验证过的代码方案，包含几个教科书上不会提及但至关重要的细节处理技巧。

2. 核心工具链配置

2.1 必备工具箱选择

EEGLAB是MATLAB生态中最成熟的EEG处理工具箱，但实际应用中需要配合其他工具才能发挥最大效能：

matlab复制% 基础工具链配置
eeglab_path = 'D:\Toolbox\eeglab2023.1'; % 建议使用绝对路径
fieldtrip_path = 'D:\Toolbox\fieldtrip-20230607'; 
addpath(genpath(eeglab_path));
addpath(fieldtrip_path);

重要提示：EEGLAB与FieldTrip的混用需要特别注意路径加载顺序，建议先加载EEGLAB再加载FieldTrip，避免函数冲突。

2.2 硬件加速配置

针对大规模EEG数据（如256导联以上），需要启用MATLAB的硬件加速：

matlab复制% 在脚本开头添加以下配置
memory_limit = 16; % 单位GB
try
    memstats = memory;
    if memstats.MaxPossibleArrayBytes < memory_limit*1024^3
        error('内存不足');
    end
    parpool('local',4); % 根据CPU核心数调整
catch ME
    warning('并行计算初始化失败: %s', ME.message);
end

3. 标准处理流程实现

3.1 原始数据导入的陷阱规避

不同厂商的EEG数据格式差异显著，以Neuroscan的.CNT文件为例：

matlab复制% 稳健的数据导入方案
try
    EEG = pop_loadcnt('filename', 'subj01.cnt', 'dataformat', 'auto');
catch
    % 备选方案：使用BCILAB的转换工具
    EEG = convert_cnt_to_set('subj01.cnt'); 
end

% 强制统一采样率（解决某些设备采样率漂移问题）
original_srate = EEG.srate;
if abs(original_srate - 1000) > 1
    EEG = pop_resample(EEG, 1000);
    disp(['采样率已从' num2str(o