如果您可以高解析度地觀察大腦活動的展開過程會怎樣？多年來，研究人員一直依賴提供模糊、長曝光神經事件照片的方法，這會將定義認知的短暫活動爆發平均化。這意味著關鍵的細節往往會遺失。EEG時頻分析（EEG time-frequency analysis）透過提供高速影片來改變這種遊戲規則。這種方法使您能夠精確定位與特定想法、感受或外部刺激相關的短暫、過渡性的大腦事件。透過同時捕捉大腦活動的「什麼」（頻率）和「何時」（時間），您可以揭示更深入、更準確的大腦行為敘事。

查看產品

關鍵要點

• 超越靜態快照：時頻分析提供大腦活動的動態視圖，不僅向您顯示存在哪些頻率，還精確顯示它們隨時間發生的時刻。

• 獲得更精確的洞察力：這種方法對於捕捉其他方法遺漏的短暫神經事件至關重要，並有助於您更有效地識別和消除噪聲，以獲得更乾淨、更可靠的數據。

• 您的設置決定您的成功：分析的質量取決於為您的研究問題選擇正確的方法，並建立適當的基準進行比較，以確保您的解釋是準確的。

什麼是 EEG 時頻分析？

將原始 EEG 信號想像成一首複雜的音樂。傳統的分析可能會告訴您演奏的所有單個音符，但它不會告訴您它們是何時被演奏的，或者它們是如何形成旋律的。時頻分析 (TFA) 就像是完整的樂譜。它向您展示了大腦活動中存在哪些頻率（音符），以及它們隨時間發生的精確時刻。TFA 不是簡單的折線圖，而是創建了一張詳細的 2D 地圖，揭示了大腦的節律模式（即振盪）如何隨時間流逝而變化。

這種方法是研究大腦動態特性的強大方式。它超越了靜態快照，提供了大腦活動的連續視圖，展示了不同的腦電波節律如何相互作用，並隨著思想、感受或外部刺激而變化。透過同時觀察時間和頻率，我們可以發現本會被隱藏的模式。對於研究人員和開發人員來說，這意味著能更深入地理解認知、情感和行為背後的大腦過程。像我們的 EmotivPRO 軟體這樣的工具正是為了執行這種複雜的分析而設計的，使其適用於從學術研究到腦機介面開發等廣泛的應用領域。

為什麼傳統頻率分析力有未逮

較舊的 EEG 數據分析方法，例如基於傅立葉的功率分析或事件相關電位 (ERP)，雖然有用，但有很大的局限性。例如，傅立葉分析會將特定時間窗口內的大腦活動進行平均。它可以告訴您在該期間平均存在哪些頻率，但會丟失關於這些頻率具體在何時出現的所有資訊。這就像知道食譜中的配料，但不知道步驟。另一方面，ERP 非常適合觀察大腦對刺激的直接反應，但它們會漏掉所有與該事件非完美時間鎖定的背景大腦活動。

時頻分析如何提供更清晰的畫面

時頻分析為您提供完整的故事。它透過向您展示大腦活動的「什麼」（頻率）和「何時」（時間），克服了傳統方法的局限性。這種方法使您能夠看到不同腦電波頻率的功率如何隨時間流逝而起伏。這非常重要，因為許多認知過程（例如注意力集中或回憶記憶）都涉及大腦振盪的快速和動態變化。TFA 捕捉到了這些轉瞬即逝的事件，而其他方法往往會將其平均化或完全忽略，從而提供大腦功能展開時更準確、更詳細的視圖。

時頻地圖的關鍵組成部分

時頻分析的結果通常是一個 2D 圖，通常稱為頻譜圖或時頻地圖。一旦您知道要尋找什麼，它就很易讀。水平軸代表時間，垂直軸代表頻率。地圖上任何一點的顏色代表特定頻率在特定時刻的功率或強度。把它想像成大腦活動的熱點圖，其中暖色（如紅色和黃色）表示較強的功率，而冷色（如藍色）表示較弱的功率。這種視覺化呈現使您更容易發現模式並識別神經活動的關鍵時刻。

時頻分析與傳統方法有何不同？

如果您以前處理過 EEG 數據，您可能對傅立葉轉換等傳統方法很熟悉。這些技術非常適合識別數據中存在哪些頻率，但它們有一個主要的局限性：它們將大腦活動視為靜態的。它們會將一段時間內的信號進行平均，為您提供所涉及頻率的摘要，但會丟失這些頻率在何時出現的關鍵細節。然而，大腦絕不是靜態的——它是一個極其動態的系統，每毫秒都在不斷變化。這就是時頻分析發揮作用的地方。它不提供單一、扁平的圖片，而是提供豐富、詳細的地圖，顯示不同腦電波頻率隨時間的變化。

捕捉動態與靜態大腦活動

將傳統的頻率分析想像成對繁忙街道進行長曝光拍攝。您會看到汽車留下的光軌，但您不會知道某輛車在特定時刻具體在哪裡。它為您提供了活動的整體情況，但動態細節卻流失了。另一方面，時頻分析就像是拍攝高速影片。它即時捕捉大腦的活動，使您能夠以精確的時間观察不同的神經振盪如何起伏。這種方法將信號的功率（強度）與其相位（一致性）分開，揭示了複雜的大腦過程——例如不同大腦區域如何進行通訊——而靜態方法可能會完全忽略這些過程。

更高時間解析度的優勢

這種動態方法的最大優勢在於其高時間解析度。傳統方法會告訴您信號中存在哪些頻率，但不會告訴您它們是何時發生的。對於試圖將大腦活動與特定事件（例如人對圖像做出反應或做出決定）聯繫起來的研究人員來說，這個時間資訊就是一切。由於 EEG 信號是不斷變化的，因此知道某個特定頻帶變活躍的確切時刻至關重要。時頻分析提供了這種背景，精確地揭示了特定頻率何時出現、增強或消失。這使您能夠在認知事件在大腦中展開時，構建出更準確的時間線。

以更高精度分解信號

除了時間安排之外，時頻分析還允許您以更高的精度分解 EEG 信號。它可以幫助您觀察不同頻率的功率如何隨時間變化，即使這些變化與特定、明顯的事件無關。這種詳細的分解使您更容易刻畫數據中的特徵，從睡眠期間的慢波 delta 活動到與注意力集中相關的快速 gamma 波。透過隔離這些成分，您可以更好地理解它們的功能和意義。對於任何進行學術研究或開發複雜腦機介面的人來說，這種級別的細節都是必不可少的。

這種方法的主要優勢是什麼？

轉向時頻分析不僅是為了創建更複雜的圖表，更是為了對大腦動態獲得根本上更深、更準確的理解。這種方法超越了傳統方法靜態、平均化的觀點，揭示了神經活動錯綜複雜、瞬息萬變的變化。透過觀察哪些頻率是活躍的，以及它們精確發生的時刻，您可以揭示用其他技術完全看不見的模式。對於任何認真詮釋 EEG 數據的人來說，這種清晰度都是必不可少的。無論您是在探索認知過程、開發腦機介面(BCI)，還是進行臨床研究，這種方法都能為大腦隨時間的活動提供更豐富、更詳細的敘事。您得到的不是大腦活動模糊、長曝光的照片，而是高解析度的影片。這使您能夠將特定心理狀態或外部事件與精確的神經特徵聯繫起來，這對於做出有意義的發現具有開創性的意義。這些優勢貫穿於研究的每個階段，從更有效地清洗數據，到對大腦功能和連接性做出更強而有力的結論。這就是了解大腦中發生了某事，與了解事情發生的確切時間和方式之間的區別。

檢測短暫的大腦事件

大腦以毫秒為時間尺度運作，思想和反應會引起短暫的神經活動爆發。傳統的頻率分析會因為隨時間平均信號而漏失這些簡短的事件。然而，時頻分析就像是為您的數據配備了高速相機。它提供了大腦振盪如何瞬息萬變的詳細視圖，使其成為捕捉瞬態神經活動的理想選擇。這使您能夠精確定位與特定刺激或認知功能相關的短暫大腦事件，從而為您提供大腦即時反應更為精確的畫面。

了解大腦振盪與連接性

了解不同大腦區域如何通訊是神經科學的核心目標。時頻分析是實現這一目標的強大工具，因為它能幫助您更好地刻畫 EEG 數據中所包含的振盪特徵。透過观察某些頻帶何時以及在何處變得活躍，您可以開始了解大腦連接性的動態。這種方法有助於揭示神經元網絡如何同步和去同步以處理資訊、支持認知並執行任務。它對大腦區域之間的共變關係提供了更細緻的視圖，這對於先進的學術研究至關重要。

更有效地識別伪迹

乾淨的數據是良好研究的基石。伪迹——來自眼動閃爍、肌肉緊張或環境干擾等事物的電噪聲——很容易污染 EEG 信號，並導致不正確的結論。透過將信號分解為其時間和頻率成分，您可以以更高的精度識別並消除這些伪迹。在時頻圖中，許多伪迹都有明顯的特徵，這使它們很容易被發現。這可以帶來更乾淨、更可靠的數據，確保您分析的模式反映的是真實的大腦活動，而不僅僅是噪聲。

分析隨時間變化的信號

大腦絕非靜態；它是一個不斷適應和反應的動態系統。時頻分析就是為研究這種動態特性而設計的。它為分析隨時間變化的信號提供了清晰的框架，允許您檢驗不同的頻率成分如何隨著特定刺激或任務而演變。例如，您可以觀察到當一個人參與記憶任務的確切時刻，alpha 波如何減少，或 gamma 波如何飆升。像我們的 EmotivPRO 軟體這樣的工具旨在執行這種分析，為您提供直接觀察大腦演變過程窗口。

時頻分析使用了哪些方法？

當您準備好分析您的 EEG 數據時，您會發現有幾種成熟的方法可供選擇。沒有單一的「最佳」技術；正確的技術完全取決於您的研究問題以及您記錄的大腦信號的特定特徵。每種方法都提供了觀察數據的不同方式，並具有其獨特的優勢和折衷。把它們想像成顯微鏡的不同鏡片——有些更適合寬視野，而另一些則擅長聚焦於微小、短暫的細節。

您會遇到的最常見方法是小波轉換（Wavelet Transforms）、短時傅立葉轉換（STFT）、希爾伯特-黃轉換（HHT）和多重錐度方法（Multitaper Methods）。了解每一種方法的基本原理將有助於您為專案做出明智的決定。例如，如果您正在尋找簡短、高頻的活動爆發，那麼與分析緩慢、穩定的腦電波節律相比，某種方法可能會更適合。我們的 EmotivPRO 軟體旨在支持這些高級分析，使您可以靈活地為數據應用合適的方法。

小波轉換

小波轉換是 EEG 分析的熱門選擇，這是有充分理由的。它們非常擅長分析不穩定的信號，這正是大腦活動的完美寫照。與其他一些方法不同，小波提供了極佳的平衡，為高頻事件提供可靠的時間定位，並為低頻事件提供良好的頻率定位。這種適應性使其成為捕捉瞬態神經事件（如大腦對突然刺激的反應）的理想選擇。該轉換本質上將信號分解為一組稱為小波的函數，從而允許您精確地看到特定頻率成分發生的時間。這使其成為任何專注於動態大腦過程的學術研究的強大工具。

短時傅立葉轉換 (STFT)

短時傅立葉轉換（STFT）是時頻分析的基礎技術之一。其過程很直接：它將連續的 EEG 信號分割成短的、重疊的時間窗口，然後對每個小片段應用標準的傅立葉轉換。這可以為您提供一系列隨時間變化的頻率快照。STFT 的主要挑戰在於時間和頻率解析度之間的折衷。短窗口為您提供精確的時間，但頻率視圖會模糊；而長窗口為您提供清晰的頻率視圖，但很難精確定位它們發生的時間。儘管有此局限性，但在許多應用中，STFT 仍是一種可靠且計算效率高的方法。

希爾伯特-黃轉換

對於特別複雜的信號（即兼具非線性和非平穩性的信號），希爾伯特-黃轉換（HHT）是一種極其有效的方法。HHT 分兩個階段工作。首先，它使用稱為經驗模態分解（EMD）的過程將信號分解為少數幾個稱為固有模態函數（IMF）的更簡單成分。然後，它對這些成分中的每一個應用希爾伯特轉換以獲得瞬時頻率數據。這種方法是數據自適應的，這意味著它不假設信號以某種方式表現。這使其非常適合探索 EEG 信號的複雜動態，而沒有其他轉換中使用的預定義基底函數所施加的約束。

多重錐度方法

在處理噪聲數據（這在 EEG 記錄中很常見）時，多重錐度方法提供了強大的解決方案。與使用單一窗口函數分析數據段（如在 STFT 中）不同，這種方法使用多個不同的正交窗口函數（稱為錐度）。它計算每個錐度的光譜估計值，然後將結果平均。這個過程顯著降低了光譜估計的方差（即噪聲），從而帶來更平滑、更可靠的時頻表示。這是提高信噪比並獲得潛在大腦振盪更清晰畫面的好方法，尤其是在分析細微的大腦活動時。

如何選擇正確的方法

選擇正確的分析方法取決於您的特定研究目標和 EEG 數據的性質。沒有一個放之四海而皆準的答案。首先考慮您的信號：它是平穩的還是非平穩的？您是在尋找短暫、過渡性的事件，還是持續的振盪？對於大腦活動快速變化的非平穩信號，通常首選小波轉換。如果您的信號相對穩定，計算上更簡單的 STFT 可能就足夠了。歸根結底，最好的方法是理解每種方法的折衷方案（特別是關於時間和頻率解析度），並使您的選擇與您旨在回答的問題相契合。

研究人員應該預期哪些挑戰？

時頻分析是一個極其強大的工具，但與任何先進方法一樣，它也有其自身的挑戰。從一開始就意識到這些潛在障礙可以幫助您更有效地規劃研究，並產生更可靠的結果。從選擇正確的參數到管理沉重的計算負載以及正確地解釋數據，以下是您在開始工作時要預期的一些關鍵挑戰。

處理複雜的參數選擇

您會注意到的第一件事是，時頻分析不是一個「即插即用」的解決方案。像 STFT 和小波轉換這樣的方法需要您預先做出一些重要的決定。您需要仔細選擇參數，如窗口長度和重疊度，這些參數會直接影響數據的處理和視覺化。理想的設置並不是通用的；它們完全取決於您正在分析的特定大腦信號以及您試圖回答的問題。此步驟需要深思熟慮的方法，以確保您的分析準確捕捉到您感興趣的神經動態。

管理計算需求

準備好讓您的電腦進行一些繁重的工作。時頻分析（尤其是處理多通道 EEG 系統的大型數據集時）可能需要非常密集的計算。在時間和頻率上分解每個數據點需要顯著的處理能力。在開始之前，最好確認您擁有足夠的計算資源。對於使用我們硬體的研究人員，像 EmotivPRO 這樣的研究平台專為簡化這些高要求的任務而建，但優化您自己的分析腳本以提高效率也是一項值得培養的有價值技能。

解決關於 EEG 的常見誤解

當您分享您的研究時，可能會遇到一些關於 EEG 能力的常見迷思。最常見的一個是 EEG 可以「讀心」。重要的是要澄清，雖然 EEG 非常擅長測量大腦中電活動的時間，但它並不解釋思想的內容。另一個誤解與數據本身有關，人們可能會將誘導的大腦活動與誘發反應混淆。在這些方面教育您的聽眾有助於建立切合實際的期望，並促進對 EEG 技術的更好理解。

解釋數據和選擇基準

您對最終時頻圖的解釋取決於您的基準。基準是一段「中性」的大腦活動時間，您將其用作與特定事件或任務相關活動進行比較的參考點。選擇正確的基準至關重要。如果您選擇的基準期不合適——例如，如果它不小心包含了大腦對刺激的部分反應——它可能會使您的整個分析產生偏差並導致誤導性的結論。花時間仔細定義和證明您的基準期是確保您研究結果完整性的基本步驟。

探索在神經科學研究中的應用

時頻分析不僅僅是一個理論概念，它是一個在神經科學許多領域開闢了新途徑的實用工具。透過揭示大腦活動中瞬息萬變的動態變化，這種方法允許研究人員對認知、行為和大腦健康提出更細緻的問題。從開發輔助技術到理解睡眠的複雜性，其應用大腦本身一樣多樣化。這種方法有助於將複雜的神經數據轉化為有意義的洞察力，推動我們對大腦認知邊界的拓展。這是觀察大腦活動不僅僅是做什麼，更是其活動如何隨時間展開的最有效方法之一。這種詳細的視角對於任何使用 EEG 數據的人來說都是無價的，無論他們是在探索認知的基本原理還是在構建創新的新技術。

認知神經科學與大腦振盪

在認知神經科學中，我們對注意力、記憶和決策等心理過程背後的大腦活動很感興趣。不同的大腦振盪（或腦電波）與特定功能相關聯。時頻分析非常適合於此，因為它展示了當有人執行任務時，這些振盪如何變化。例如，您可以觀察到當一個人集中注意力時，alpha 波如何減少，或者在記憶任務期間 theta 波可能如何增加。這為研究人員提供了對大腦即時處理過程的詳細觀察，有助於將特定的神經模式與認知行為聯繫起來。這種級別的細節對於認知科學中的學術研究和教育是必不可少的。

腦機介面(BCI)開發

腦機介面 (BCI) 將大腦信號轉化為外部設備的控制命令，為通訊和控制提供新的可能性。BCI 的有效性取決於其從大腦 EEG 數據中準確解讀使用者意圖的能力。時頻分析在這裡至關重要，因為它可以更好地刻畫作為控制信號的振盪特徵。透過隔離當使用者思考特定動作時發生的特定頻率變化，開發人員可以構建更可靠、更直觀的 BCI 系統。這種詳細的分析是創建下一代腦機介面(BCI)技術的關鍵步驟。

臨床研究與癲癇發作檢測

在臨床研究中，時頻分析為檢驗神經系統疾病提供了強大的鏡頭。例如，在癲癇研究中，此方法用於分析 EEG 數據以尋找可能預示發作的模式。研究人員可以使用時頻圖來對 EEG 片段進行分類，並識別發作活動的獨特特徵，這些特徵往往過於短暫或細微，以至於無法被其他方法捕捉到。這一應用展示了詳細的信號分析如何有助於深入理解複雜的神經事件，為研究界提供有價值的資訊。

睡眠研究與連接性分析

睡眠是一個具有不同階段的動態過程，每個階段都以大腦活動的獨特模式為特徵。時頻分析是研究整晚這些變化的出色工具。它允許研究人員探索腦電波頻率在不同睡眠階段如何轉移，以及大腦區域之間的連接性如何變化。這在檢驗阿茲海默症等睡眠障礙常見疾病的研究中尤為相關。透過分析 EEG 數據，研究人員可以識別不同群體之間睡眠期間大腦活動模式的差異，從而提供對大腦功能的洞察，並提供用於認知健康工具的途徑。

尋找合適的硬體和軟體

一旦您理解了時頻分析的原理，下一步就是將它們付諸實踐。您所獲洞察的質量直接取決於您數據的質量，這就是為什麼選擇正確的工具如此重要的原因。您的配置是捕捉大腦信號的物理 EEG 系統與幫助您處理和解釋它們的軟體的結合。從一開始就做好這種結合將為您省去很多煩惱，並確保您的結果可靠且有意義。讓我們一起來了解在您的硬體和軟體中要尋找什麼，以及要遵循的一些最佳實踐。

要考慮的 EEG 系統規格

任何好的 EEG 配置的基石都是硬體。電極是從頭皮拾取電信號的關鍵，因此其質量和放置至關重要。大多數研究級系統使用可靠的氯化銀 (Ag-AgCl) 電極來捕獲乾淨的信號。您還會看到對國際10-20系統的提及，這是放置這些電極的標準化地圖。遵循這個系統是必不可少的，因為它確保了您的測量與其他研究保持一致且具有可比性。像我們的 Epoc X 這樣的多通道頭戴式裝置在設計時就考慮到了這些標準，以支持可重複的科學研究。

選擇您的軟體並準備您的數據

選好硬體後，您需要能夠執行時頻分析複雜計算的軟體。正確的平台可以幫助您輕鬆計算時頻功率，這顯示了不同大腦頻率的強度如何隨時間變化。我們的 EmotivPRO 軟體旨在處理這種分析，讓您能夠視覺化並導出數據以用於進一步研究。當您準備分析數據時，這裡有一個專業技巧：始終記錄比您實際感興趣的時期稍長的時間間隔。這個簡單的步驟可幫助您避免數據段邊緣可能出現的數據損壞，從而進行更準確的分析。

高質量數據的最佳實踐

收集高質量的數據是 EEG 研究中不可忽視的一部分。兩個關鍵實踐將幫助您獲得盡可能乾淨的信號。首先，專注於實現低電極阻抗——最好在 10 K Ohms 以下。此測量反映了電極與頭皮之間連接的良好程度，低阻抗意味著更少的噪聲。其次，使用具有高共模抑制比 (CMRR) 的系統。高 CMRR 意味著您的放大器在過濾可能污染大腦信號數據的環境電噪聲方面非常有效。對於任何進行嚴肅學術研究的人來說，遵循這些實踐都是基本的。

開始進行時頻分析

投入時頻分析看似複雜，但其實只要遵循清晰的過程即可。有了正確的工具和一些最佳實踐，您就可以從收集原始大腦數據跨越到揭示有意義的洞察力。關鍵在於從堅實的基礎開始：高質量的硬體、靈活的軟體和準備數據的可靠方法。讓我們引領您採取開始正確第一步的基本步驟。

為您的研究選擇正確的 EEG 硬體

分析的質量完全取決於數據的質量，而這始於您的硬體。EEG 頭戴式裝置上的電極是捕捉大腦電信號的關鍵。典型的配置包括用於測量活動的活動電極、用於比較的參考電極以及用於減少不必要噪聲的接地電極。許多研究人員更喜歡使用氯化銀 (Ag-AgCl) 電極的頭戴式裝置，因為它們能提供穩定且可靠的信號。您對頭戴式裝置的選擇應與您的研究目標契合。例如，我們的 Epoc X 為強大的研究應用提供了 14 個通道，而我們的高密度 Flex 頭戴式裝置則提供了 32 個通道以進行更詳細的大腦定位。

尋找必備的軟體工具和平台

收集完 EEG 數據後，您需要合適的軟體來對其進行分析。我們的 EmotivPRO 軟體旨在進行詳細的分析，並允許您即時查看原始 EEG 數據、執行頻率分析並查看性能指標。對於更深層次的時頻分析，您可以輕鬆導出數據以在其他程式中使用。許多研究人員使用開源工具箱，例如 FieldTrip，它為傅立葉分析和 Morlet 小波等先進方法提供了一套強大的功能。這種靈活性允許您將 Emotiv 硬體無縫整合到您現有的研究工作流程中，從而讓您控制自己的分析方法。

應用最佳實踐以獲得可靠的結果

為確保您的發現準確，遵循一些數據準備指南非常重要。首先，當您圍繞某個事件分割數據時，選擇比您感興趣的時期稍長的時間間隔是一個好習慣。這個簡單的步驟可以幫助您避免可能在數據段開始和結束時發生的潛在失真或「邊緣伪迹」。其次，始終將事件期間的大腦活動與基準期進行比較，基準期通常是刺激發生前剛好安靜的間隔。這種比較使得观察大腦活動的顯著變化並自信地解釋您的結果變得要容易得多。

相關文章

• 神經振盪基礎知識

• 認知神經科學 EEG 系統指南

• 可攜式裝置上的 EEG alpha 節律檢測

查看產品

常見問題

最主要的收穫是什麼？為什麼時頻分析比只看腦電波更好？ 最重要的區別是，時頻分析告訴您大腦中事情是在何時發生的。傳統方法可以為您提供一段時間內哪些腦電波頻率是活躍的不錯摘要，但它們會把所有東西平均化。而這種方法展示了特定頻率增強或減弱的精確時刻，這對於將大腦活動與特定想法、感受或動作聯繫起來至關重要。它給您的是完整的故事，而不僅僅是摘要。

我是這方面的新手。哪種分析方法最適合初學者？ 沒有單一的「最佳」方法，因為正確的選擇確實取決於您的特定研究問題。然而，許多人發現短時傅立葉轉換 (STFT) 是一個很好的起點，因為它的方法相當直接。它將信號分成小塊並逐一分析。對於變化非常快速的信號，小波轉換通常是更強大的選擇。我的建議是先了解您專案的目標，然後選擇最能幫助您回答問題的工具。

為此類分析收集數據時，最重要、最不容出錯的事情是什麼？ 毫無疑問是您初始信號的質量。時頻分析旨在尋找細微的模式，而這些模式很容易被噪聲掩埋。從一開始就專注於獲得乾淨的記錄，確保您的電極與頭皮有穩固、低阻抗的連接。乾淨的信號是可靠結果的基石，並將在分析階段為您節省大量的時間和精力。

什麼是「基準」？為什麼它對我的結果如此重要？ 基準是中性大腦活動的簡短記錄，通常在您的主要事件或刺激開始之前進行。把它想像成您的對照組測量。它是您用來與事件相關的大腦活動進行對比以了解實際發生了什麼變化的依據。如果沒有乾淨且適當選擇的基準，您就沒有參考點，這使得我們無法知道您看到的模式是有意義的還是僅僅是隨機噪聲。

我可以直接在 Emotiv 的軟體中進行時頻分析嗎？ 我們的 EmotivPRO 軟體專為幫助您視覺化和處理您的數據而建，提供即時頻率分析和性能指標。為了創建本貼中討論的詳細時頻圖，您可以輕鬆地從 EmotivPRO 導出高質量的原始數據。這些數據格式化後可直接在 FieldTrip 等熱門學術工具箱中使用，或在 MATLAB 或 Python 等平台中使用自定義腳本，從而讓您對分析擁有完全的控制權。