EEG时频分析：它是什么以及为什么它如此重要
Emotiv
更新于
2026年2月11日
EEG时频分析：它是什么以及为什么它如此重要
Emotiv
更新于
2026年2月11日
EEG时频分析：它是什么以及为什么它如此重要
Emotiv
更新于
2026年2月11日
如果能以高清晰度观察大脑活动的发展过程，会是怎样一番景象？多年来，研究人员一直依赖只能提供模糊、长曝光神经事件图像的方法，这种方法抹平了定义认知的瞬时脑电活动爆发。这意味着关键细节往往会丢失。EEG时频分析通过提供高速视频改变了这一局面。这种方法使您能够精确定位与特定想法、感受或外部刺激相关的短暂、瞬态大脑事件。通过同时捕捉大脑活动的“什么”（频率）和“何时”（时间），您可以揭示关于大脑在做什么的更深层、更准确的叙述。
主要核心要点
超越静态快照：时频分析提供了大脑活动的动态视图，不仅向您展示存在哪些频率，还精确展示它们随时间在何时发生。
获得更精确的洞察：这种方法对于捕捉其他方法容易遗漏的短暂神经事件至关重要，它能帮助您更有效地识别和消除噪点，从而获得更干净、更可靠的数据。
您的实验配置决定了您的成功：您的分析质量取决于为您的研究问题选择正确的方法，并建立合适的基线以便进行比较，从而确保您的解读是准确的。
什么是EEG时频分析？
将原始EEG信号想象成一首复杂的乐曲。传统的分析可能会告诉您演奏了哪些单独的音符，但无法告诉您它们是在什么时候演奏的，或者它们是如何组合成旋律的。时频分析 (TFA) 就像是完整的乐谱。它向您展示大脑活动中存在哪些频率（音符），以及它们随时间在何时发生。TFA创造了一张详细的2D图谱，展示了大脑的节律模式（或振荡）如何瞬间发生变化，而不是简单的折线图。
这种方法是研究大脑动态特性的强大方式。它超越了静态快照，提供了神经活动的连续视图，展示了不同的脑电节律如何响应想法、感受或外部刺激进行交互和转换。通过同时观察时间和频率，我们可以发现原本会被隐藏的模式。对于研究人员和开发人员来说，这意味着对认知、情绪和行为背后的大脑过程有了更深入的理解。像我们的EmotivPRO软件这样的工具就是专门为进行这种复杂的分析而设计的，使其能够广泛应用于从学术研究到脑机接口开发的各种领域。
为什么传统的频率分析不够完善
较旧的EEG数据分析方法，例如基于傅里叶的功率分析或事件相关电位 (ERP)，虽然很有用，但存在很大的局限性。例如，傅里叶分析会对特定时间窗口内的大脑活动进行平均。它可以告诉您在该期间平均存在哪些频率，但丢失了关于这些频率确切出现时间的所有信息。这就像知道食谱中的配料，却不知道步骤。另一方面，ERP非常适合观察大脑对刺激的直接反应，但它们会遗漏与该事件没有完美时间锁定的所有背景大脑活动。
时频分析如何提供更清晰的图像
时频分析给您完整的故事。它通过同时展示大脑活动的“什么”（频率）和“何时”（时间），克服了传统方法的局限性。这种方法使您能够看到不同脑电波频率的功率如何随时间起伏。这非常重要，因为许多认知过程（如集中注意力或回忆记忆）都涉及脑电振荡的快速而动态的变化。TFA捕捉了这些转瞬即逝的事件，而其他方法则会将其平均化或完全遗漏，从而在脑功能展开时提供更准确、更详细的图景。
时频图谱的关键组成部分
时频分析的结果通常是一个2D图，也就是通常所说的光谱图或时频图。一旦您知道要寻找什么，它就很易读。水平轴代表时间，垂直轴代表频率。图上任意点处的颜色表示特定频率在特定时间点的功率或强度。把它想象成大脑活动的温度图，其中较暖的颜色（如红色和黄色）表示较强的功率，而较冷的颜色（如蓝色）表示较弱的功率。这种视觉表示形式使发现模式和识别神经活动的关键时刻变得非常容易。
时频分析与传统方法有什么不同？
如果您以前处理过EEG数据，您可能会熟悉傅里叶变换等传统方法。这些技术非常适合识别数据中存在哪些频率，但它们有一个主要局限：它们将大脑的活动视为静态的。它们对一段时间内的信号进行平均，为您提供所涉及频率的摘要，但丢失了这些频率在何时出现的关键细节。然而，大脑绝不是静态的——它是一个高度动态的系统，每一毫秒都在不断变化。这就是时频分析的用武之地。它为您提供的是一张展示不同脑电波频率随时间变化的丰富、详细的图谱，而不是单张扁平的图片。
捕捉动态 vs. 静态大脑活动
将传统的频率分析想象成对一条繁忙的街道进行长曝光拍摄。您会看到汽车留下的光迹，但您无法知道哪辆车在特定时刻处于什么位置。它为您提供了活动的整体画面，但动态细节丢失了。另一方面，时频分析就像拍摄高速视频。它实时捕捉大脑的活动，让您以精确的时间观察不同的神经振荡如何起伏。这种方法将信号的功率（强度）与其相位（一致性）分离开来，揭示了复杂的大脑过程——例如由于不同大脑区域如何交流——而这些过程是静态方法可能完全遗漏的。
更高时间分辨率的优势
这种动态方法的最大优势在于其高时间分辨率。传统方法能告诉您信号中存在什么频率，但无法告诉您它们是在何时发生的。对于试图将大脑活动与特定事件（例如一个人对图像做出反应或做出决定）联系起来的研究人员来说，这项时间信息就是一切。因为EEG信号在不断变化，因此了解某个特定频带开始产生活跃的确切时刻至关重要。时频分析提供了这种背景信息，精确地揭示了特定频率何时出现、增强或消失。这使您能够在认知事件在大脑中展开时，建立一个更为精确的时间线。
以更高的精度分解信号
除了时间信息外，时频分析还使您能够以更高的精度分解EEG信号。它能帮助您观察不同频率的功率如何随时间变化，即使这些变化与特定、明显的事件无关。这种详细的分解使得表征数据中不同的振荡变得更加容易，从睡眠期间的慢波Delta活动到与集中注意力相关的快速Gamma波。通过隔离这些成分，您可以更好地理解它们的功能和重要性。这种程度的细节对于任何进行学术研究或开发复杂脑机接口的人来说都是必不可少的。
这种方法的主要优势是什么？
转向时频分析不仅仅是为了创建更复杂的图表，而是为了对大脑动力学获得本质上更深入、更准确的理解。这种方法超越了传统方法的静态、平均视角，揭示了神经活动中错综复杂的瞬时变化。通过观察哪些频率活跃以及它们确切在何时发生，您可以发现用其他技术完全无法看到的模式。这种清晰度对于任何认真解读EEG数据的人来说都是必不可少的。无论您是在探索认知过程、开发脑机接口，还是进行临床研究，这种方法都能为您提供更丰富、更详细的随时间推移的大脑动态叙事。您得到的不是一张模糊的、长曝光的大脑活动照片，而是一个高清晰度视频。这使您能够将特定的精神状态或外部事件与精确的神经信号特征连接起来，这对于取得有意义的发现至关重要。这些优势体现在研究的每一个阶段，从更有效地清洗数据到对脑功能和连接性得出更稳健的结论。这就是知道大脑中发生过某事与确信其发生确切时间和方式之间的差异。
检测瞬态大脑事件
大脑运行在毫秒级的时间尺度上，想法和反应都会引起短暂的神经活动爆发。传统的频率分析会通过对信号进行时间平均而遗漏这些短暂事件。然而，时频分析就像是针对您数据的高速相机。它提供了脑电振荡如何瞬间发生变化的详细视图，使其成为捕捉瞬态神经活动的理想选择。这使您能够精确定位与特定刺激或认知功能相关的短暂大脑事件，从而为您提供更精确的大脑实时反应图景。
理解脑电振荡与连接性
理解不同大脑区域如何进行交流是神经科学的核心目标。时频分析是实现这一目标的强大工具，因为它可以帮助您更好地表征EEG数据中的振荡。通过观察某些频带何时何地变得活跃，您可以开始了解大脑连接的动态特性。这种方法有助于揭示神经元网络如何发生同步和去同步以处理信息、支持认知并执行任务。它提供了关于大脑区域之间功能关系的更细致的视角，这对于先进的学术研究至关重要。
更有效地识别伪迹
干净的数据是良好研究的基石。伪迹——来自眨眼、肌肉紧张或环境干扰等电噪声——很容易污染EEG信号并导致错误的结论。通过将信号分解为时间和频率成分，您可以以更高的精度识别和消除这些伪迹。许多伪迹在时频图谱中都有独特的特征，这使得它们很容易被发现。这可以带来更干净、更可靠的数据，确保您分析的模式反映的是真实的大脑活动，而不单是噪声。
分析随时间变化的信号
大脑绝不是静态的，它是一个不断适应和做出反应的动态系统。时频分析就是为了研究这种动态特性而建立的。它为分析随时间变化的信号提供了一个清晰的框架，使您能够检查不同的频率成分如何响应特定的刺激或任务进行演变。例如，您可以观察在一个人参与记忆任务的确切时刻，Alpha波如何减少，或Gamma波如何激增。像我们的EmotivPRO软件这样的工具旨在进行这种分析，为您提供直观了解大脑演变过程的窗口。
时频分析中使用了哪些方法？
一旦您准备好分析您的EEG数据，您会发现有几种成熟的方法可供选择。没有单一的“最佳”技术，正确的方法完全取决于您的研究问题以及您所记录的大脑信号的具体特征。每种方法都提供了不同的数据观察视角，具有独特的优势和权衡。把它们想象成显微镜的不同镜头——有些更适合宽视野，而有些则擅长对准微小、转瞬即逝的细节。
您会遇到的最常见方法是小波变换（Wavelet Transforms）、短时傅里叶变换 (STFT)、希尔伯特-黄变换 (HHT) 和多锥形窗方法（Multitaper Methods）。理解每种方法的基础知识将有助于您为自己的项目做出明智的决定。例如，与分析缓慢、稳定的脑电节律相比，如果您正在寻找短暂、高频的爆发性脑活动，某种特定方法可能会更合适。我们的EmotivPRO软件旨在支持这些高级分析，为您提供为您数据应用合适方法的弹性。
小波变换
小波变换是EEG分析的常用选择，这不无道理。它们格外擅长分析不稳定的信号，而这正是对大脑活动的完美描述。与其他一些方法不同，小波提供了一种很好的平衡，为高频事件提供了可靠的时间定位，并为低频事件提供了良好的频率定位。这种适应性使其非常适合捕捉瞬态神经事件，例如大脑对突然刺激的回应。该变换基本上将信号分解为一组被称为小波的函数，使您能够精确地看到特定频率成分是在何时发生的。这使其成为任何专注于动态大脑过程的学术研究的强大工具。
短时傅里叶变换 (STFT)
短时傅里叶变换（简称 STFT）是时频分析的基础技术之一。该过程非常直接：它将连续的EEG信号分割成短的、重叠的窗口，然后对每个小段应用标准的傅里叶变换。这为您提供了一系列随时间推移的频率快照。STFT 的主要挑战在于时间和频率分辨率之间的权衡。较短的窗口可以为您提供精确的时间信息，但频率视图会很模糊；而较长的窗口虽然能对频率进行清晰的展现，但很难精确确定它们发生的时间。尽管有这种局限性，STFT 仍然是许多应用中可靠且计算效率高的方法。
希尔伯特-黄变换
对于特别复杂的信号——即非线性和非平稳信号——希尔伯特-黄变换 (HHT) 是一种非常有效的方法。HHT 分两个阶段工作。首先，它使用一种称为经验模态分解 (EMD) 的过程，将信号分解成少数几个更简单的成分，称为固有模态函数 (IMF)。然后，它对这些成分中的每一个应用希尔伯特变换，以获得瞬时频率数据。这种方法是数据自适应的，意味着它不假设信号以某种特定的方式运行。这使得它非常适合用来探索EEG信号的复杂动力学，而没有其他变换中使用的预定义基函数带来的限制。
多锥形窗方法
在处理嘈杂的数据时（这在EEG记录中很常见），多锥形窗方法提供了一种强健的解决方案。该方法不是像在 STFT 中那样使用单个窗口函数来分析数据段，而是使用几个不同的正交窗口函数，即锥形窗（Tapers）。它计算每个锥形窗的光谱估计值，然后对结果进行平均。这一过程显著降低了光谱估计的方差或噪点，从而为您提供更平滑、更可靠的时频表示形式。这是一种极佳的提高信噪比、更清晰展现底层神经振荡的方法，尤其是在分析细微的大脑活动时。
如何选择合适的方法
选择合适的分析方法取决于您具体的研究目标和EEG数据的性质。没有一种适合所有情况的方法。首先考虑您的信号：它是平稳的高还是非平稳的？您是在寻找短暂的瞬态事件还是持续的振荡？对于大脑活动变化迅速的非平稳信号，小波变换通常是首选。如果您的信号相对稳定，那么计算上更简单的 STFT 可能就足够了。最终，最好的方法是理解每种方法的折中（权衡），尤其是关于时间和频率分辨率的折中，并使您的选择与您旨在回答的问题保持一致。
研究人员应该预期哪些挑战？
时频分析是一个非常强大的工具，但与任何先进方法一样，它也有其自身的挑战。从一开始就意识到这些潜在困难可以帮助您更有效地规划研究并产生更可靠的结果。从选择正确的参数到管理沉重的计算负载以及正确解读数据，以下是您在开始工作之前应当预见的几个关键挑战。
处理复杂的参数选择
您会注意到的第一件事是，时频分析并不是一种“即插即用”的解决方案。像 STFT 和小波变换这样的方法需要您预先做出一些重要的决定。您需要仔细选择像窗口长度和重叠大小等参数，它们会直接影响数据的处理和可视化方式。理想的设置并不是通用的，它们完全取决于分析的具体脑信号以及想要回答的问题。这个步骤需要深思熟虑，以确保分析能够准确捕捉感兴趣的神经动力学。
管理计算需求
为您的电脑进行一些繁重的工作做好准备。时频分析，尤其是针对来自多通道EEG系统的大型数据集，往往是计算密集型的。在时间轴和频率轴上分解每个数据点都需要巨大的处理能力。在开始之前，确认您拥有充足的计算资源是一个好习惯。对于使用我们硬件的研究人员来说，诸如 EmotivPRO 之类的分析平台致力于简化这些繁重的任务，但优化您自己的分析脚本以提高效率也是一项值得培养的技能。
应对关于EEG的常见误解
当您分享您的研究时，您可能会遇到一些关于EEG能做什么的常见误解。最常见的一个是EEG可以“读心”。重要的是要澄清，虽然EEG在测量大脑中电活动的时间方面表现优异，但它并不解读想法的内容。另一个误解与数据本身有关，人们可能会混淆诱发脑电活动与唤起反应。在这些方面科普您的受众有助于树立现实的预期，并促进对EEG更好的理解。
解读数据和选择基线
您对最终时频图谱的解读质量取决于您的基线。基线是指一段“中性”的大脑活动，您可以用它作为与特定事件或任务相关的活动的对照参考。选择正确的基线至关重要。如果基线期选择不当——例如，如果它不小心包含了大脑对刺激的部分反应——它可能会使整个分析发生偏差，并导致误导性的结论。花时间仔细定义和论证您的基线期是确保发现完整性的基本步骤。
探索在神经科学研究中的应用
时频分析不仅是一个理论概念，它还是一个在神经科学许多领域开拓了新途径的实用工具。通过揭示大脑活动中瞬间发生的动态变化，这种方法使研究人员能够就认知、行为和大脑健康提出更细致的问题。从开发辅助技术到理解睡眠的复杂性，应用如同大脑本身一样丰富多样。这种方法有助于将复杂的神经数据转化为有意义的启发，拓展我们了解大脑的边界。它是最有效地观察不仅大脑在做什么，还有其活动随时间如何展开的方法之一。这种细致的视角对于任何处理EEG数据的人来说都是无价之宝，无论他们是在探索认知的基本原理，还是在构建创新的新技术。
认知神经科学与脑电振荡
在认知神经科学中，我们很关注注意力、记忆和决策等心智心理过程背后的脑活动。不同的大脑振荡（或脑电波）与特定的功能相关联。时频分析非常适合这一点，因为它展示了随着某人执行任务这些振荡是如何变化的。例如，您可以观察当一个人集中注意力时，Alpha波如何减少，或者在执行记忆任务时，Theta波如何增加。这为研究人员提供了大脑实时处理的高分辨率、细致的观察，有助于将特定的神经模式与认知行为联系起来。这种水平的细节在认知科学领域的学术研究和教学中也是不可或缺的。
脑机接口开发
脑机接口 (BCI) 将大脑信号转换为外部设备的控制指令，为交流和控制提供了新的可能性。BCI 的有效性取决于其从用户的EEG数据中准确解读用户意图的能力。时频分析在这里至关重要，因为它可以更好地特征化作为控制信号的脑电振荡。通过隔离用户思考特定动作时发生的特征性频率变化，开发人员可以构建更可靠、更直观的 BCI 系统。这种细致的分析是创建下一代脑机接口技术的关键一步。
临床研究与癫痫发作检测
在临床研究中，时频分析为检查神经系统状况提供了一个强有力的透镜。例如，在癫痫研究中，这种方法常用于分析EEG数据中可能指示癫痫发作的模式。研究人员可以使用时频图谱对EEG进行分段分类，并识别癫痫发作活动的独有特征，这些特征往往过于短暂或微妙，以至于无法被其他方法发现。这个应用展示了详尽的信号分析如何能够有助于对复杂神经系统事件的更深层理解，为研究界提供有价值的信息。
睡眠研究与连接性分析
睡眠是一个具有不同阶段的动态过程，每个阶段都以独特的大脑活动模式为特征。时频分析是研究整晚这些变化的极佳工具。它使研究人员能够探索在不同睡眠阶段脑电波频率如何转换，以及脑区之间的连接性如何变化。这在检查阿尔茨海默病等常见带有睡眠障碍的病态研究中特别相关。通过分析EEG数据，研究人员可以识别出不同群体之间睡眠期间的大脑活动模式差异，从而提供关于大脑功能的洞察，并开辟通往实现认知健康工具的途径。
寻找合适的硬件和软件
一旦您理解了时频分析的原理，下一步就是将它们付诸实践。您的洞察质量直接取决于您收集的数据质量，这也是为什么选择合适的工具如此重要的原因。您的研究配置融合了捕捉脑信号的物理EEG系统以及帮助您处理和解读它们的软件。从一开始就正确调配这一组合将为您免去许多头痛，并确保您的结果是可靠且有意义的。让我们了解在您选择硬件和软件时应当关注什么，以及应当遵循哪些最佳实践。
值得考虑的EEG系统规格
任何好的EEG系统配置其基石都在硬件。电极是拾取头皮电信号的部件，因此其质量和放置位置至关重要。大多数研究级系统使用可靠的氯化银 (Ag-AgCl) 电极来捕获干净的信号。您还会看到对国际 10-20 系统的参考，这是放置这些电极的标准化图谱。遵循该系统至关重要，因为它确保您的测量与其他研究保持一致，并具备可比性。我们像 Epoc X 这样的多通道脑电帽在设计上就融入了这些标准，以支持可重复的科学研究。
选择您的软件并准备您的高质量数据
在选定硬件后，您需要可以进行时频分析复杂计算的软件。合适的平台可以帮助您轻松计算时频功率，它可以展示不同大脑频率的强度如何随时间变化。我们的EmotivPRO软件专为处理此类分析而设计，可让您实现数据可视化并可以导出数据以便做进一步研究。在为分析准备数据时，这里有一个专业提示：始终记录一个略长于您实际感兴趣的时间间隔。这个简单的步骤有助于您避免数据段边缘可能出现的数据损坏，从而产出更准确的分析。
高可靠性高质量数据的最佳实践
收集高质量数据是EEG研究中不可妥协的部分。两项关键工作将帮助您获得尽可能干净的信号。首先，致力于获得低的电极阻抗——最好低于 10 K Ohms。这一测量值反映了电极与头皮之间连接的优劣，低阻抗意味着更少的噪声。其次，使用具有高共模抑制比 (CMRR) 的系统。高 CMRR 意味着您的放大器在滤除环境电噪声方面非常有效，这些噪声原本可能会污染您的脑信号数据。遵循这些实践是进行严肃学术研究的基础。
开始开展时频分析
入门时频分析可能看起来很复杂，但实际上它就是遵循一个清晰的流程。有了合适的工具和一些最佳实践，您就可以从收集原始大脑数据走向揭示有意义的洞察。关键是从坚实的基石开始：高质量的硬件、灵活的软件以及用于准备数据的可靠方法。让我们共同迈出基本步骤，帮助您良好起步。
为您的研究选择匹配的EEG硬件
您的分析质量完全取决于数据质量，而这一切都始于硬件。EEG脑电帽上的电极是捕获大脑电信号的部件。典型的配置包括用于测量活动的工作电极、用于对照参考的参考电极，以及用于减少不必要噪点的接地电极。许多研究人员更喜欢使用氯化银 (Ag-AgCl) 电极的脑电帽，因为它们能提供稳定可靠的信号。您对脑电帽的选择应当与研究目标保持一致。例如，我们的 Epoc X 提供了 14 个通道用于稳健的研究应用，而我们高密度的 Flex 头戴式设备则提供了 32 个通道，以实现更细致的大脑成像。
寻找必备的软件工具和平台
在收集了EEG数据后，您需要用合适的软件前来进行分析。我们的EmotivPRO软件专门设计用于详细的分析，使您能够实时查看原始EEG数据、运行频率分析以及查看表现指标（Performance Metrics）。为了进行更深度的时频分析，您可以轻松导出数据以便在其他程序中使用。许多研究人员使用开源工具包（如 FieldTrip），它为傅里叶分析和 Morlet 小波等高级方法提供了强大的功能套件。这种灵活性允许您将 Emotiv 硬件无缝地集成到您现有的研究工作流中，让您对您的分析方式拥有掌控度。
应用最佳实践以获得可靠的结果
为了确保您的发现在学术上是准确的，遵循几条数据准备指导原则十分重要。首先，当您围绕某个事件对数据进行切片（分段）时，一个好的实践是选择比您感兴趣的周期稍微长一小段的时间间隔。这个简单的步骤有助于您避免在数据段起始和末尾可能出现的潜在失真或“边缘伪迹”。其次，始终将您在事件期间的大脑活动与一个基线期进行比较（通常是刺激产生前的那段安静间隔）。这种比较能使您更容易看清大脑活动产生的显著变化，并能满怀信心地解读您的结果。
相关文章
常见问题解答
最主要的核心要点是什么？为什么时频分析优于只看脑电波？ 最重要的核心差异在于时频分析能够告诉您事情发生在大脑中的何时。传统方法可以为您对一段时间内哪些脑波频段是活跃的提供一个很好的总结，但在处理中它们会将所有事物平均化。这种时频分析方法能够具体展示出特定频率增强或减弱的精确时刻，这对于将大脑活动同具体的想法、感受或行动连接起来至关重要。它提供的是完整的内容，而不仅是一个概要。
我是这里的新手。哪种分析方法最适合初学者？ 并没有单一在任何时候都是“最好”的方法，因为正确的选择确实取决于您具体的研究问题。然而，许多人发现短时傅里叶变换 (STFT) 是个不错的起点，因为其分析过程非常直白。它将信号割成小块并一块接一块展开分析。对于变化非常快（非平稳）的信号，小波变换（Wavelet Transform）往往是一个更为强大的选择。我的建议是，先从理解您项目试图实现的目标切入，然后选择可以最好帮助您解答该问题的工具。
在为这类分析采集数据时，最重要确保做对的事情是什么？ 毫无疑问，首要即是您初始信号的质量。时频分析的设计目的就在于找出精细微弱的模式，而这些模式很容易被物理噪声淹没。从最一开始就应当专注于获得干净的记录——要确保您的电极同头皮之间有一个牢固、低阻抗的连接。干净的信号是产生稳健可靠结果的根基，这会为您在分析阶段节省大量的时间和精力。
什么是“基线”？为什么它对我的结果如此关键？ 基线是针对一段中性大脑活动的短时间记录，通常是在您的主要事件或刺激即将开始前采集的。将其视作为您的对照测量。您用其与同事件相关的大脑活动进行比照，以看清实际改变了什么。如果缺失一个干净且妥善选择的基线，您就失去了对照点，也就变得无从得知您正在观察的模式是具有意义的还是仅是随意的噪声。
我可以在 Emotiv 的软件中直接开展时频分析吗？ 我们的 EmotivPRO软件专建旨在帮助您将您的数据可视化并操作和分析数据，提供实时频率分析和表现指标（Performance Metrics）。为了绘制出该博文中讨论的详尽的时频图谱，您可以方便地从 EmotivPRO 导出高质量的原始数据。该数据格式支持直接用于广受欢迎的学术工具包（如 FieldTrip）中，或者借由诸如 MATLAB 或 Python 之类平台的自定义脚本开展深度探究，由此充分掌控您的分析。
如果能以高清晰度观察大脑活动的发展过程，会是怎样一番景象？多年来，研究人员一直依赖只能提供模糊、长曝光神经事件图像的方法，这种方法抹平了定义认知的瞬时脑电活动爆发。这意味着关键细节往往会丢失。EEG时频分析通过提供高速视频改变了这一局面。这种方法使您能够精确定位与特定想法、感受或外部刺激相关的短暂、瞬态大脑事件。通过同时捕捉大脑活动的“什么”（频率）和“何时”（时间），您可以揭示关于大脑在做什么的更深层、更准确的叙述。
主要核心要点
超越静态快照：时频分析提供了大脑活动的动态视图，不仅向您展示存在哪些频率，还精确展示它们随时间在何时发生。
获得更精确的洞察：这种方法对于捕捉其他方法容易遗漏的短暂神经事件至关重要，它能帮助您更有效地识别和消除噪点，从而获得更干净、更可靠的数据。
您的实验配置决定了您的成功：您的分析质量取决于为您的研究问题选择正确的方法，并建立合适的基线以便进行比较，从而确保您的解读是准确的。
什么是EEG时频分析？
将原始EEG信号想象成一首复杂的乐曲。传统的分析可能会告诉您演奏了哪些单独的音符，但无法告诉您它们是在什么时候演奏的，或者它们是如何组合成旋律的。时频分析 (TFA) 就像是完整的乐谱。它向您展示大脑活动中存在哪些频率（音符），以及它们随时间在何时发生。TFA创造了一张详细的2D图谱，展示了大脑的节律模式（或振荡）如何瞬间发生变化，而不是简单的折线图。
这种方法是研究大脑动态特性的强大方式。它超越了静态快照，提供了神经活动的连续视图，展示了不同的脑电节律如何响应想法、感受或外部刺激进行交互和转换。通过同时观察时间和频率，我们可以发现原本会被隐藏的模式。对于研究人员和开发人员来说，这意味着对认知、情绪和行为背后的大脑过程有了更深入的理解。像我们的EmotivPRO软件这样的工具就是专门为进行这种复杂的分析而设计的，使其能够广泛应用于从学术研究到脑机接口开发的各种领域。
为什么传统的频率分析不够完善
较旧的EEG数据分析方法，例如基于傅里叶的功率分析或事件相关电位 (ERP)，虽然很有用，但存在很大的局限性。例如，傅里叶分析会对特定时间窗口内的大脑活动进行平均。它可以告诉您在该期间平均存在哪些频率，但丢失了关于这些频率确切出现时间的所有信息。这就像知道食谱中的配料，却不知道步骤。另一方面，ERP非常适合观察大脑对刺激的直接反应，但它们会遗漏与该事件没有完美时间锁定的所有背景大脑活动。
时频分析如何提供更清晰的图像
时频分析给您完整的故事。它通过同时展示大脑活动的“什么”（频率）和“何时”（时间），克服了传统方法的局限性。这种方法使您能够看到不同脑电波频率的功率如何随时间起伏。这非常重要，因为许多认知过程（如集中注意力或回忆记忆）都涉及脑电振荡的快速而动态的变化。TFA捕捉了这些转瞬即逝的事件，而其他方法则会将其平均化或完全遗漏，从而在脑功能展开时提供更准确、更详细的图景。
时频图谱的关键组成部分
时频分析的结果通常是一个2D图，也就是通常所说的光谱图或时频图。一旦您知道要寻找什么，它就很易读。水平轴代表时间，垂直轴代表频率。图上任意点处的颜色表示特定频率在特定时间点的功率或强度。把它想象成大脑活动的温度图，其中较暖的颜色（如红色和黄色）表示较强的功率，而较冷的颜色（如蓝色）表示较弱的功率。这种视觉表示形式使发现模式和识别神经活动的关键时刻变得非常容易。
时频分析与传统方法有什么不同？
如果您以前处理过EEG数据，您可能会熟悉傅里叶变换等传统方法。这些技术非常适合识别数据中存在哪些频率，但它们有一个主要局限：它们将大脑的活动视为静态的。它们对一段时间内的信号进行平均，为您提供所涉及频率的摘要，但丢失了这些频率在何时出现的关键细节。然而，大脑绝不是静态的——它是一个高度动态的系统，每一毫秒都在不断变化。这就是时频分析的用武之地。它为您提供的是一张展示不同脑电波频率随时间变化的丰富、详细的图谱，而不是单张扁平的图片。
捕捉动态 vs. 静态大脑活动
将传统的频率分析想象成对一条繁忙的街道进行长曝光拍摄。您会看到汽车留下的光迹，但您无法知道哪辆车在特定时刻处于什么位置。它为您提供了活动的整体画面，但动态细节丢失了。另一方面，时频分析就像拍摄高速视频。它实时捕捉大脑的活动，让您以精确的时间观察不同的神经振荡如何起伏。这种方法将信号的功率（强度）与其相位（一致性）分离开来，揭示了复杂的大脑过程——例如由于不同大脑区域如何交流——而这些过程是静态方法可能完全遗漏的。
更高时间分辨率的优势
这种动态方法的最大优势在于其高时间分辨率。传统方法能告诉您信号中存在什么频率，但无法告诉您它们是在何时发生的。对于试图将大脑活动与特定事件（例如一个人对图像做出反应或做出决定）联系起来的研究人员来说，这项时间信息就是一切。因为EEG信号在不断变化，因此了解某个特定频带开始产生活跃的确切时刻至关重要。时频分析提供了这种背景信息，精确地揭示了特定频率何时出现、增强或消失。这使您能够在认知事件在大脑中展开时，建立一个更为精确的时间线。
以更高的精度分解信号
除了时间信息外，时频分析还使您能够以更高的精度分解EEG信号。它能帮助您观察不同频率的功率如何随时间变化，即使这些变化与特定、明显的事件无关。这种详细的分解使得表征数据中不同的振荡变得更加容易，从睡眠期间的慢波Delta活动到与集中注意力相关的快速Gamma波。通过隔离这些成分，您可以更好地理解它们的功能和重要性。这种程度的细节对于任何进行学术研究或开发复杂脑机接口的人来说都是必不可少的。
这种方法的主要优势是什么？
转向时频分析不仅仅是为了创建更复杂的图表，而是为了对大脑动力学获得本质上更深入、更准确的理解。这种方法超越了传统方法的静态、平均视角，揭示了神经活动中错综复杂的瞬时变化。通过观察哪些频率活跃以及它们确切在何时发生，您可以发现用其他技术完全无法看到的模式。这种清晰度对于任何认真解读EEG数据的人来说都是必不可少的。无论您是在探索认知过程、开发脑机接口，还是进行临床研究，这种方法都能为您提供更丰富、更详细的随时间推移的大脑动态叙事。您得到的不是一张模糊的、长曝光的大脑活动照片，而是一个高清晰度视频。这使您能够将特定的精神状态或外部事件与精确的神经信号特征连接起来，这对于取得有意义的发现至关重要。这些优势体现在研究的每一个阶段，从更有效地清洗数据到对脑功能和连接性得出更稳健的结论。这就是知道大脑中发生过某事与确信其发生确切时间和方式之间的差异。
检测瞬态大脑事件
大脑运行在毫秒级的时间尺度上，想法和反应都会引起短暂的神经活动爆发。传统的频率分析会通过对信号进行时间平均而遗漏这些短暂事件。然而，时频分析就像是针对您数据的高速相机。它提供了脑电振荡如何瞬间发生变化的详细视图，使其成为捕捉瞬态神经活动的理想选择。这使您能够精确定位与特定刺激或认知功能相关的短暂大脑事件，从而为您提供更精确的大脑实时反应图景。
理解脑电振荡与连接性
理解不同大脑区域如何进行交流是神经科学的核心目标。时频分析是实现这一目标的强大工具，因为它可以帮助您更好地表征EEG数据中的振荡。通过观察某些频带何时何地变得活跃，您可以开始了解大脑连接的动态特性。这种方法有助于揭示神经元网络如何发生同步和去同步以处理信息、支持认知并执行任务。它提供了关于大脑区域之间功能关系的更细致的视角，这对于先进的学术研究至关重要。
更有效地识别伪迹
干净的数据是良好研究的基石。伪迹——来自眨眼、肌肉紧张或环境干扰等电噪声——很容易污染EEG信号并导致错误的结论。通过将信号分解为时间和频率成分，您可以以更高的精度识别和消除这些伪迹。许多伪迹在时频图谱中都有独特的特征，这使得它们很容易被发现。这可以带来更干净、更可靠的数据，确保您分析的模式反映的是真实的大脑活动，而不单是噪声。
分析随时间变化的信号
大脑绝不是静态的，它是一个不断适应和做出反应的动态系统。时频分析就是为了研究这种动态特性而建立的。它为分析随时间变化的信号提供了一个清晰的框架，使您能够检查不同的频率成分如何响应特定的刺激或任务进行演变。例如，您可以观察在一个人参与记忆任务的确切时刻，Alpha波如何减少，或Gamma波如何激增。像我们的EmotivPRO软件这样的工具旨在进行这种分析，为您提供直观了解大脑演变过程的窗口。
时频分析中使用了哪些方法？
一旦您准备好分析您的EEG数据，您会发现有几种成熟的方法可供选择。没有单一的“最佳”技术，正确的方法完全取决于您的研究问题以及您所记录的大脑信号的具体特征。每种方法都提供了不同的数据观察视角，具有独特的优势和权衡。把它们想象成显微镜的不同镜头——有些更适合宽视野，而有些则擅长对准微小、转瞬即逝的细节。
您会遇到的最常见方法是小波变换（Wavelet Transforms）、短时傅里叶变换 (STFT)、希尔伯特-黄变换 (HHT) 和多锥形窗方法（Multitaper Methods）。理解每种方法的基础知识将有助于您为自己的项目做出明智的决定。例如，与分析缓慢、稳定的脑电节律相比，如果您正在寻找短暂、高频的爆发性脑活动，某种特定方法可能会更合适。我们的EmotivPRO软件旨在支持这些高级分析，为您提供为您数据应用合适方法的弹性。
小波变换
小波变换是EEG分析的常用选择，这不无道理。它们格外擅长分析不稳定的信号，而这正是对大脑活动的完美描述。与其他一些方法不同，小波提供了一种很好的平衡，为高频事件提供了可靠的时间定位，并为低频事件提供了良好的频率定位。这种适应性使其非常适合捕捉瞬态神经事件，例如大脑对突然刺激的回应。该变换基本上将信号分解为一组被称为小波的函数，使您能够精确地看到特定频率成分是在何时发生的。这使其成为任何专注于动态大脑过程的学术研究的强大工具。
短时傅里叶变换 (STFT)
短时傅里叶变换（简称 STFT）是时频分析的基础技术之一。该过程非常直接：它将连续的EEG信号分割成短的、重叠的窗口，然后对每个小段应用标准的傅里叶变换。这为您提供了一系列随时间推移的频率快照。STFT 的主要挑战在于时间和频率分辨率之间的权衡。较短的窗口可以为您提供精确的时间信息，但频率视图会很模糊；而较长的窗口虽然能对频率进行清晰的展现，但很难精确确定它们发生的时间。尽管有这种局限性，STFT 仍然是许多应用中可靠且计算效率高的方法。
希尔伯特-黄变换
对于特别复杂的信号——即非线性和非平稳信号——希尔伯特-黄变换 (HHT) 是一种非常有效的方法。HHT 分两个阶段工作。首先，它使用一种称为经验模态分解 (EMD) 的过程，将信号分解成少数几个更简单的成分，称为固有模态函数 (IMF)。然后，它对这些成分中的每一个应用希尔伯特变换，以获得瞬时频率数据。这种方法是数据自适应的，意味着它不假设信号以某种特定的方式运行。这使得它非常适合用来探索EEG信号的复杂动力学，而没有其他变换中使用的预定义基函数带来的限制。
多锥形窗方法
在处理嘈杂的数据时（这在EEG记录中很常见），多锥形窗方法提供了一种强健的解决方案。该方法不是像在 STFT 中那样使用单个窗口函数来分析数据段，而是使用几个不同的正交窗口函数，即锥形窗（Tapers）。它计算每个锥形窗的光谱估计值，然后对结果进行平均。这一过程显著降低了光谱估计的方差或噪点，从而为您提供更平滑、更可靠的时频表示形式。这是一种极佳的提高信噪比、更清晰展现底层神经振荡的方法，尤其是在分析细微的大脑活动时。
如何选择合适的方法
选择合适的分析方法取决于您具体的研究目标和EEG数据的性质。没有一种适合所有情况的方法。首先考虑您的信号：它是平稳的高还是非平稳的？您是在寻找短暂的瞬态事件还是持续的振荡？对于大脑活动变化迅速的非平稳信号，小波变换通常是首选。如果您的信号相对稳定，那么计算上更简单的 STFT 可能就足够了。最终，最好的方法是理解每种方法的折中（权衡），尤其是关于时间和频率分辨率的折中，并使您的选择与您旨在回答的问题保持一致。
研究人员应该预期哪些挑战？
时频分析是一个非常强大的工具，但与任何先进方法一样，它也有其自身的挑战。从一开始就意识到这些潜在困难可以帮助您更有效地规划研究并产生更可靠的结果。从选择正确的参数到管理沉重的计算负载以及正确解读数据，以下是您在开始工作之前应当预见的几个关键挑战。
处理复杂的参数选择
您会注意到的第一件事是，时频分析并不是一种“即插即用”的解决方案。像 STFT 和小波变换这样的方法需要您预先做出一些重要的决定。您需要仔细选择像窗口长度和重叠大小等参数，它们会直接影响数据的处理和可视化方式。理想的设置并不是通用的，它们完全取决于分析的具体脑信号以及想要回答的问题。这个步骤需要深思熟虑，以确保分析能够准确捕捉感兴趣的神经动力学。
管理计算需求
为您的电脑进行一些繁重的工作做好准备。时频分析，尤其是针对来自多通道EEG系统的大型数据集，往往是计算密集型的。在时间轴和频率轴上分解每个数据点都需要巨大的处理能力。在开始之前，确认您拥有充足的计算资源是一个好习惯。对于使用我们硬件的研究人员来说，诸如 EmotivPRO 之类的分析平台致力于简化这些繁重的任务，但优化您自己的分析脚本以提高效率也是一项值得培养的技能。
应对关于EEG的常见误解
当您分享您的研究时，您可能会遇到一些关于EEG能做什么的常见误解。最常见的一个是EEG可以“读心”。重要的是要澄清，虽然EEG在测量大脑中电活动的时间方面表现优异，但它并不解读想法的内容。另一个误解与数据本身有关，人们可能会混淆诱发脑电活动与唤起反应。在这些方面科普您的受众有助于树立现实的预期，并促进对EEG更好的理解。
解读数据和选择基线
您对最终时频图谱的解读质量取决于您的基线。基线是指一段“中性”的大脑活动，您可以用它作为与特定事件或任务相关的活动的对照参考。选择正确的基线至关重要。如果基线期选择不当——例如，如果它不小心包含了大脑对刺激的部分反应——它可能会使整个分析发生偏差，并导致误导性的结论。花时间仔细定义和论证您的基线期是确保发现完整性的基本步骤。
探索在神经科学研究中的应用
时频分析不仅是一个理论概念，它还是一个在神经科学许多领域开拓了新途径的实用工具。通过揭示大脑活动中瞬间发生的动态变化，这种方法使研究人员能够就认知、行为和大脑健康提出更细致的问题。从开发辅助技术到理解睡眠的复杂性，应用如同大脑本身一样丰富多样。这种方法有助于将复杂的神经数据转化为有意义的启发，拓展我们了解大脑的边界。它是最有效地观察不仅大脑在做什么，还有其活动随时间如何展开的方法之一。这种细致的视角对于任何处理EEG数据的人来说都是无价之宝，无论他们是在探索认知的基本原理，还是在构建创新的新技术。
认知神经科学与脑电振荡
在认知神经科学中，我们很关注注意力、记忆和决策等心智心理过程背后的脑活动。不同的大脑振荡（或脑电波）与特定的功能相关联。时频分析非常适合这一点，因为它展示了随着某人执行任务这些振荡是如何变化的。例如，您可以观察当一个人集中注意力时，Alpha波如何减少，或者在执行记忆任务时，Theta波如何增加。这为研究人员提供了大脑实时处理的高分辨率、细致的观察，有助于将特定的神经模式与认知行为联系起来。这种水平的细节在认知科学领域的学术研究和教学中也是不可或缺的。
脑机接口开发
脑机接口 (BCI) 将大脑信号转换为外部设备的控制指令，为交流和控制提供了新的可能性。BCI 的有效性取决于其从用户的EEG数据中准确解读用户意图的能力。时频分析在这里至关重要，因为它可以更好地特征化作为控制信号的脑电振荡。通过隔离用户思考特定动作时发生的特征性频率变化，开发人员可以构建更可靠、更直观的 BCI 系统。这种细致的分析是创建下一代脑机接口技术的关键一步。
临床研究与癫痫发作检测
在临床研究中，时频分析为检查神经系统状况提供了一个强有力的透镜。例如，在癫痫研究中，这种方法常用于分析EEG数据中可能指示癫痫发作的模式。研究人员可以使用时频图谱对EEG进行分段分类，并识别癫痫发作活动的独有特征，这些特征往往过于短暂或微妙，以至于无法被其他方法发现。这个应用展示了详尽的信号分析如何能够有助于对复杂神经系统事件的更深层理解，为研究界提供有价值的信息。
睡眠研究与连接性分析
睡眠是一个具有不同阶段的动态过程，每个阶段都以独特的大脑活动模式为特征。时频分析是研究整晚这些变化的极佳工具。它使研究人员能够探索在不同睡眠阶段脑电波频率如何转换，以及脑区之间的连接性如何变化。这在检查阿尔茨海默病等常见带有睡眠障碍的病态研究中特别相关。通过分析EEG数据，研究人员可以识别出不同群体之间睡眠期间的大脑活动模式差异，从而提供关于大脑功能的洞察，并开辟通往实现认知健康工具的途径。
寻找合适的硬件和软件
一旦您理解了时频分析的原理，下一步就是将它们付诸实践。您的洞察质量直接取决于您收集的数据质量，这也是为什么选择合适的工具如此重要的原因。您的研究配置融合了捕捉脑信号的物理EEG系统以及帮助您处理和解读它们的软件。从一开始就正确调配这一组合将为您免去许多头痛，并确保您的结果是可靠且有意义的。让我们了解在您选择硬件和软件时应当关注什么，以及应当遵循哪些最佳实践。
值得考虑的EEG系统规格
任何好的EEG系统配置其基石都在硬件。电极是拾取头皮电信号的部件，因此其质量和放置位置至关重要。大多数研究级系统使用可靠的氯化银 (Ag-AgCl) 电极来捕获干净的信号。您还会看到对国际 10-20 系统的参考，这是放置这些电极的标准化图谱。遵循该系统至关重要，因为它确保您的测量与其他研究保持一致，并具备可比性。我们像 Epoc X 这样的多通道脑电帽在设计上就融入了这些标准，以支持可重复的科学研究。
选择您的软件并准备您的高质量数据
在选定硬件后，您需要可以进行时频分析复杂计算的软件。合适的平台可以帮助您轻松计算时频功率，它可以展示不同大脑频率的强度如何随时间变化。我们的EmotivPRO软件专为处理此类分析而设计，可让您实现数据可视化并可以导出数据以便做进一步研究。在为分析准备数据时，这里有一个专业提示：始终记录一个略长于您实际感兴趣的时间间隔。这个简单的步骤有助于您避免数据段边缘可能出现的数据损坏，从而产出更准确的分析。
高可靠性高质量数据的最佳实践
收集高质量数据是EEG研究中不可妥协的部分。两项关键工作将帮助您获得尽可能干净的信号。首先，致力于获得低的电极阻抗——最好低于 10 K Ohms。这一测量值反映了电极与头皮之间连接的优劣，低阻抗意味着更少的噪声。其次，使用具有高共模抑制比 (CMRR) 的系统。高 CMRR 意味着您的放大器在滤除环境电噪声方面非常有效，这些噪声原本可能会污染您的脑信号数据。遵循这些实践是进行严肃学术研究的基础。
开始开展时频分析
入门时频分析可能看起来很复杂，但实际上它就是遵循一个清晰的流程。有了合适的工具和一些最佳实践，您就可以从收集原始大脑数据走向揭示有意义的洞察。关键是从坚实的基石开始：高质量的硬件、灵活的软件以及用于准备数据的可靠方法。让我们共同迈出基本步骤，帮助您良好起步。
为您的研究选择匹配的EEG硬件
您的分析质量完全取决于数据质量，而这一切都始于硬件。EEG脑电帽上的电极是捕获大脑电信号的部件。典型的配置包括用于测量活动的工作电极、用于对照参考的参考电极，以及用于减少不必要噪点的接地电极。许多研究人员更喜欢使用氯化银 (Ag-AgCl) 电极的脑电帽，因为它们能提供稳定可靠的信号。您对脑电帽的选择应当与研究目标保持一致。例如，我们的 Epoc X 提供了 14 个通道用于稳健的研究应用，而我们高密度的 Flex 头戴式设备则提供了 32 个通道，以实现更细致的大脑成像。
寻找必备的软件工具和平台
在收集了EEG数据后，您需要用合适的软件前来进行分析。我们的EmotivPRO软件专门设计用于详细的分析，使您能够实时查看原始EEG数据、运行频率分析以及查看表现指标（Performance Metrics）。为了进行更深度的时频分析，您可以轻松导出数据以便在其他程序中使用。许多研究人员使用开源工具包（如 FieldTrip），它为傅里叶分析和 Morlet 小波等高级方法提供了强大的功能套件。这种灵活性允许您将 Emotiv 硬件无缝地集成到您现有的研究工作流中，让您对您的分析方式拥有掌控度。
应用最佳实践以获得可靠的结果
为了确保您的发现在学术上是准确的，遵循几条数据准备指导原则十分重要。首先，当您围绕某个事件对数据进行切片（分段）时，一个好的实践是选择比您感兴趣的周期稍微长一小段的时间间隔。这个简单的步骤有助于您避免在数据段起始和末尾可能出现的潜在失真或“边缘伪迹”。其次，始终将您在事件期间的大脑活动与一个基线期进行比较（通常是刺激产生前的那段安静间隔）。这种比较能使您更容易看清大脑活动产生的显著变化，并能满怀信心地解读您的结果。
相关文章
常见问题解答
最主要的核心要点是什么？为什么时频分析优于只看脑电波？ 最重要的核心差异在于时频分析能够告诉您事情发生在大脑中的何时。传统方法可以为您对一段时间内哪些脑波频段是活跃的提供一个很好的总结，但在处理中它们会将所有事物平均化。这种时频分析方法能够具体展示出特定频率增强或减弱的精确时刻，这对于将大脑活动同具体的想法、感受或行动连接起来至关重要。它提供的是完整的内容，而不仅是一个概要。
我是这里的新手。哪种分析方法最适合初学者？ 并没有单一在任何时候都是“最好”的方法，因为正确的选择确实取决于您具体的研究问题。然而，许多人发现短时傅里叶变换 (STFT) 是个不错的起点，因为其分析过程非常直白。它将信号割成小块并一块接一块展开分析。对于变化非常快（非平稳）的信号，小波变换（Wavelet Transform）往往是一个更为强大的选择。我的建议是，先从理解您项目试图实现的目标切入，然后选择可以最好帮助您解答该问题的工具。
在为这类分析采集数据时，最重要确保做对的事情是什么？ 毫无疑问，首要即是您初始信号的质量。时频分析的设计目的就在于找出精细微弱的模式，而这些模式很容易被物理噪声淹没。从最一开始就应当专注于获得干净的记录——要确保您的电极同头皮之间有一个牢固、低阻抗的连接。干净的信号是产生稳健可靠结果的根基，这会为您在分析阶段节省大量的时间和精力。
什么是“基线”？为什么它对我的结果如此关键？ 基线是针对一段中性大脑活动的短时间记录，通常是在您的主要事件或刺激即将开始前采集的。将其视作为您的对照测量。您用其与同事件相关的大脑活动进行比照，以看清实际改变了什么。如果缺失一个干净且妥善选择的基线，您就失去了对照点，也就变得无从得知您正在观察的模式是具有意义的还是仅是随意的噪声。
我可以在 Emotiv 的软件中直接开展时频分析吗？ 我们的 EmotivPRO软件专建旨在帮助您将您的数据可视化并操作和分析数据，提供实时频率分析和表现指标（Performance Metrics）。为了绘制出该博文中讨论的详尽的时频图谱，您可以方便地从 EmotivPRO 导出高质量的原始数据。该数据格式支持直接用于广受欢迎的学术工具包（如 FieldTrip）中，或者借由诸如 MATLAB 或 Python 之类平台的自定义脚本开展深度探究，由此充分掌控您的分析。
如果能以高清晰度观察大脑活动的发展过程，会是怎样一番景象？多年来，研究人员一直依赖只能提供模糊、长曝光神经事件图像的方法，这种方法抹平了定义认知的瞬时脑电活动爆发。这意味着关键细节往往会丢失。EEG时频分析通过提供高速视频改变了这一局面。这种方法使您能够精确定位与特定想法、感受或外部刺激相关的短暂、瞬态大脑事件。通过同时捕捉大脑活动的“什么”（频率）和“何时”（时间），您可以揭示关于大脑在做什么的更深层、更准确的叙述。
主要核心要点
超越静态快照：时频分析提供了大脑活动的动态视图，不仅向您展示存在哪些频率，还精确展示它们随时间在何时发生。
获得更精确的洞察：这种方法对于捕捉其他方法容易遗漏的短暂神经事件至关重要，它能帮助您更有效地识别和消除噪点，从而获得更干净、更可靠的数据。
您的实验配置决定了您的成功：您的分析质量取决于为您的研究问题选择正确的方法，并建立合适的基线以便进行比较，从而确保您的解读是准确的。
什么是EEG时频分析？
将原始EEG信号想象成一首复杂的乐曲。传统的分析可能会告诉您演奏了哪些单独的音符，但无法告诉您它们是在什么时候演奏的，或者它们是如何组合成旋律的。时频分析 (TFA) 就像是完整的乐谱。它向您展示大脑活动中存在哪些频率（音符），以及它们随时间在何时发生。TFA创造了一张详细的2D图谱，展示了大脑的节律模式（或振荡）如何瞬间发生变化，而不是简单的折线图。
这种方法是研究大脑动态特性的强大方式。它超越了静态快照，提供了神经活动的连续视图，展示了不同的脑电节律如何响应想法、感受或外部刺激进行交互和转换。通过同时观察时间和频率，我们可以发现原本会被隐藏的模式。对于研究人员和开发人员来说，这意味着对认知、情绪和行为背后的大脑过程有了更深入的理解。像我们的EmotivPRO软件这样的工具就是专门为进行这种复杂的分析而设计的，使其能够广泛应用于从学术研究到脑机接口开发的各种领域。
为什么传统的频率分析不够完善
较旧的EEG数据分析方法，例如基于傅里叶的功率分析或事件相关电位 (ERP)，虽然很有用，但存在很大的局限性。例如，傅里叶分析会对特定时间窗口内的大脑活动进行平均。它可以告诉您在该期间平均存在哪些频率，但丢失了关于这些频率确切出现时间的所有信息。这就像知道食谱中的配料，却不知道步骤。另一方面，ERP非常适合观察大脑对刺激的直接反应，但它们会遗漏与该事件没有完美时间锁定的所有背景大脑活动。
时频分析如何提供更清晰的图像
时频分析给您完整的故事。它通过同时展示大脑活动的“什么”（频率）和“何时”（时间），克服了传统方法的局限性。这种方法使您能够看到不同脑电波频率的功率如何随时间起伏。这非常重要，因为许多认知过程（如集中注意力或回忆记忆）都涉及脑电振荡的快速而动态的变化。TFA捕捉了这些转瞬即逝的事件，而其他方法则会将其平均化或完全遗漏，从而在脑功能展开时提供更准确、更详细的图景。
时频图谱的关键组成部分
时频分析的结果通常是一个2D图，也就是通常所说的光谱图或时频图。一旦您知道要寻找什么，它就很易读。水平轴代表时间，垂直轴代表频率。图上任意点处的颜色表示特定频率在特定时间点的功率或强度。把它想象成大脑活动的温度图，其中较暖的颜色（如红色和黄色）表示较强的功率，而较冷的颜色（如蓝色）表示较弱的功率。这种视觉表示形式使发现模式和识别神经活动的关键时刻变得非常容易。
时频分析与传统方法有什么不同？
如果您以前处理过EEG数据，您可能会熟悉傅里叶变换等传统方法。这些技术非常适合识别数据中存在哪些频率，但它们有一个主要局限：它们将大脑的活动视为静态的。它们对一段时间内的信号进行平均，为您提供所涉及频率的摘要，但丢失了这些频率在何时出现的关键细节。然而，大脑绝不是静态的——它是一个高度动态的系统，每一毫秒都在不断变化。这就是时频分析的用武之地。它为您提供的是一张展示不同脑电波频率随时间变化的丰富、详细的图谱，而不是单张扁平的图片。
捕捉动态 vs. 静态大脑活动
将传统的频率分析想象成对一条繁忙的街道进行长曝光拍摄。您会看到汽车留下的光迹，但您无法知道哪辆车在特定时刻处于什么位置。它为您提供了活动的整体画面，但动态细节丢失了。另一方面，时频分析就像拍摄高速视频。它实时捕捉大脑的活动，让您以精确的时间观察不同的神经振荡如何起伏。这种方法将信号的功率（强度）与其相位（一致性）分离开来，揭示了复杂的大脑过程——例如由于不同大脑区域如何交流——而这些过程是静态方法可能完全遗漏的。
更高时间分辨率的优势
这种动态方法的最大优势在于其高时间分辨率。传统方法能告诉您信号中存在什么频率，但无法告诉您它们是在何时发生的。对于试图将大脑活动与特定事件（例如一个人对图像做出反应或做出决定）联系起来的研究人员来说，这项时间信息就是一切。因为EEG信号在不断变化，因此了解某个特定频带开始产生活跃的确切时刻至关重要。时频分析提供了这种背景信息，精确地揭示了特定频率何时出现、增强或消失。这使您能够在认知事件在大脑中展开时，建立一个更为精确的时间线。
以更高的精度分解信号
除了时间信息外，时频分析还使您能够以更高的精度分解EEG信号。它能帮助您观察不同频率的功率如何随时间变化，即使这些变化与特定、明显的事件无关。这种详细的分解使得表征数据中不同的振荡变得更加容易，从睡眠期间的慢波Delta活动到与集中注意力相关的快速Gamma波。通过隔离这些成分，您可以更好地理解它们的功能和重要性。这种程度的细节对于任何进行学术研究或开发复杂脑机接口的人来说都是必不可少的。
这种方法的主要优势是什么？
转向时频分析不仅仅是为了创建更复杂的图表，而是为了对大脑动力学获得本质上更深入、更准确的理解。这种方法超越了传统方法的静态、平均视角，揭示了神经活动中错综复杂的瞬时变化。通过观察哪些频率活跃以及它们确切在何时发生，您可以发现用其他技术完全无法看到的模式。这种清晰度对于任何认真解读EEG数据的人来说都是必不可少的。无论您是在探索认知过程、开发脑机接口，还是进行临床研究，这种方法都能为您提供更丰富、更详细的随时间推移的大脑动态叙事。您得到的不是一张模糊的、长曝光的大脑活动照片，而是一个高清晰度视频。这使您能够将特定的精神状态或外部事件与精确的神经信号特征连接起来，这对于取得有意义的发现至关重要。这些优势体现在研究的每一个阶段，从更有效地清洗数据到对脑功能和连接性得出更稳健的结论。这就是知道大脑中发生过某事与确信其发生确切时间和方式之间的差异。
检测瞬态大脑事件
大脑运行在毫秒级的时间尺度上，想法和反应都会引起短暂的神经活动爆发。传统的频率分析会通过对信号进行时间平均而遗漏这些短暂事件。然而，时频分析就像是针对您数据的高速相机。它提供了脑电振荡如何瞬间发生变化的详细视图，使其成为捕捉瞬态神经活动的理想选择。这使您能够精确定位与特定刺激或认知功能相关的短暂大脑事件，从而为您提供更精确的大脑实时反应图景。
理解脑电振荡与连接性
理解不同大脑区域如何进行交流是神经科学的核心目标。时频分析是实现这一目标的强大工具，因为它可以帮助您更好地表征EEG数据中的振荡。通过观察某些频带何时何地变得活跃，您可以开始了解大脑连接的动态特性。这种方法有助于揭示神经元网络如何发生同步和去同步以处理信息、支持认知并执行任务。它提供了关于大脑区域之间功能关系的更细致的视角，这对于先进的学术研究至关重要。
更有效地识别伪迹
干净的数据是良好研究的基石。伪迹——来自眨眼、肌肉紧张或环境干扰等电噪声——很容易污染EEG信号并导致错误的结论。通过将信号分解为时间和频率成分，您可以以更高的精度识别和消除这些伪迹。许多伪迹在时频图谱中都有独特的特征，这使得它们很容易被发现。这可以带来更干净、更可靠的数据，确保您分析的模式反映的是真实的大脑活动，而不单是噪声。
分析随时间变化的信号
大脑绝不是静态的，它是一个不断适应和做出反应的动态系统。时频分析就是为了研究这种动态特性而建立的。它为分析随时间变化的信号提供了一个清晰的框架，使您能够检查不同的频率成分如何响应特定的刺激或任务进行演变。例如，您可以观察在一个人参与记忆任务的确切时刻，Alpha波如何减少，或Gamma波如何激增。像我们的EmotivPRO软件这样的工具旨在进行这种分析，为您提供直观了解大脑演变过程的窗口。
时频分析中使用了哪些方法？
一旦您准备好分析您的EEG数据，您会发现有几种成熟的方法可供选择。没有单一的“最佳”技术，正确的方法完全取决于您的研究问题以及您所记录的大脑信号的具体特征。每种方法都提供了不同的数据观察视角，具有独特的优势和权衡。把它们想象成显微镜的不同镜头——有些更适合宽视野，而有些则擅长对准微小、转瞬即逝的细节。
您会遇到的最常见方法是小波变换（Wavelet Transforms）、短时傅里叶变换 (STFT)、希尔伯特-黄变换 (HHT) 和多锥形窗方法（Multitaper Methods）。理解每种方法的基础知识将有助于您为自己的项目做出明智的决定。例如，与分析缓慢、稳定的脑电节律相比，如果您正在寻找短暂、高频的爆发性脑活动，某种特定方法可能会更合适。我们的EmotivPRO软件旨在支持这些高级分析，为您提供为您数据应用合适方法的弹性。
小波变换
小波变换是EEG分析的常用选择，这不无道理。它们格外擅长分析不稳定的信号，而这正是对大脑活动的完美描述。与其他一些方法不同，小波提供了一种很好的平衡，为高频事件提供了可靠的时间定位，并为低频事件提供了良好的频率定位。这种适应性使其非常适合捕捉瞬态神经事件，例如大脑对突然刺激的回应。该变换基本上将信号分解为一组被称为小波的函数，使您能够精确地看到特定频率成分是在何时发生的。这使其成为任何专注于动态大脑过程的学术研究的强大工具。
短时傅里叶变换 (STFT)
短时傅里叶变换（简称 STFT）是时频分析的基础技术之一。该过程非常直接：它将连续的EEG信号分割成短的、重叠的窗口，然后对每个小段应用标准的傅里叶变换。这为您提供了一系列随时间推移的频率快照。STFT 的主要挑战在于时间和频率分辨率之间的权衡。较短的窗口可以为您提供精确的时间信息，但频率视图会很模糊；而较长的窗口虽然能对频率进行清晰的展现，但很难精确确定它们发生的时间。尽管有这种局限性，STFT 仍然是许多应用中可靠且计算效率高的方法。
希尔伯特-黄变换
对于特别复杂的信号——即非线性和非平稳信号——希尔伯特-黄变换 (HHT) 是一种非常有效的方法。HHT 分两个阶段工作。首先，它使用一种称为经验模态分解 (EMD) 的过程，将信号分解成少数几个更简单的成分，称为固有模态函数 (IMF)。然后，它对这些成分中的每一个应用希尔伯特变换，以获得瞬时频率数据。这种方法是数据自适应的，意味着它不假设信号以某种特定的方式运行。这使得它非常适合用来探索EEG信号的复杂动力学，而没有其他变换中使用的预定义基函数带来的限制。
多锥形窗方法
在处理嘈杂的数据时（这在EEG记录中很常见），多锥形窗方法提供了一种强健的解决方案。该方法不是像在 STFT 中那样使用单个窗口函数来分析数据段，而是使用几个不同的正交窗口函数，即锥形窗（Tapers）。它计算每个锥形窗的光谱估计值，然后对结果进行平均。这一过程显著降低了光谱估计的方差或噪点，从而为您提供更平滑、更可靠的时频表示形式。这是一种极佳的提高信噪比、更清晰展现底层神经振荡的方法，尤其是在分析细微的大脑活动时。
如何选择合适的方法
选择合适的分析方法取决于您具体的研究目标和EEG数据的性质。没有一种适合所有情况的方法。首先考虑您的信号：它是平稳的高还是非平稳的？您是在寻找短暂的瞬态事件还是持续的振荡？对于大脑活动变化迅速的非平稳信号，小波变换通常是首选。如果您的信号相对稳定，那么计算上更简单的 STFT 可能就足够了。最终，最好的方法是理解每种方法的折中（权衡），尤其是关于时间和频率分辨率的折中，并使您的选择与您旨在回答的问题保持一致。
研究人员应该预期哪些挑战？
时频分析是一个非常强大的工具，但与任何先进方法一样，它也有其自身的挑战。从一开始就意识到这些潜在困难可以帮助您更有效地规划研究并产生更可靠的结果。从选择正确的参数到管理沉重的计算负载以及正确解读数据，以下是您在开始工作之前应当预见的几个关键挑战。
处理复杂的参数选择
您会注意到的第一件事是，时频分析并不是一种“即插即用”的解决方案。像 STFT 和小波变换这样的方法需要您预先做出一些重要的决定。您需要仔细选择像窗口长度和重叠大小等参数，它们会直接影响数据的处理和可视化方式。理想的设置并不是通用的，它们完全取决于分析的具体脑信号以及想要回答的问题。这个步骤需要深思熟虑，以确保分析能够准确捕捉感兴趣的神经动力学。
管理计算需求
为您的电脑进行一些繁重的工作做好准备。时频分析，尤其是针对来自多通道EEG系统的大型数据集，往往是计算密集型的。在时间轴和频率轴上分解每个数据点都需要巨大的处理能力。在开始之前，确认您拥有充足的计算资源是一个好习惯。对于使用我们硬件的研究人员来说，诸如 EmotivPRO 之类的分析平台致力于简化这些繁重的任务，但优化您自己的分析脚本以提高效率也是一项值得培养的技能。
应对关于EEG的常见误解
当您分享您的研究时，您可能会遇到一些关于EEG能做什么的常见误解。最常见的一个是EEG可以“读心”。重要的是要澄清，虽然EEG在测量大脑中电活动的时间方面表现优异，但它并不解读想法的内容。另一个误解与数据本身有关，人们可能会混淆诱发脑电活动与唤起反应。在这些方面科普您的受众有助于树立现实的预期，并促进对EEG更好的理解。
解读数据和选择基线
您对最终时频图谱的解读质量取决于您的基线。基线是指一段“中性”的大脑活动，您可以用它作为与特定事件或任务相关的活动的对照参考。选择正确的基线至关重要。如果基线期选择不当——例如，如果它不小心包含了大脑对刺激的部分反应——它可能会使整个分析发生偏差，并导致误导性的结论。花时间仔细定义和论证您的基线期是确保发现完整性的基本步骤。
探索在神经科学研究中的应用
时频分析不仅是一个理论概念，它还是一个在神经科学许多领域开拓了新途径的实用工具。通过揭示大脑活动中瞬间发生的动态变化，这种方法使研究人员能够就认知、行为和大脑健康提出更细致的问题。从开发辅助技术到理解睡眠的复杂性，应用如同大脑本身一样丰富多样。这种方法有助于将复杂的神经数据转化为有意义的启发，拓展我们了解大脑的边界。它是最有效地观察不仅大脑在做什么，还有其活动随时间如何展开的方法之一。这种细致的视角对于任何处理EEG数据的人来说都是无价之宝，无论他们是在探索认知的基本原理，还是在构建创新的新技术。
认知神经科学与脑电振荡
在认知神经科学中，我们很关注注意力、记忆和决策等心智心理过程背后的脑活动。不同的大脑振荡（或脑电波）与特定的功能相关联。时频分析非常适合这一点，因为它展示了随着某人执行任务这些振荡是如何变化的。例如，您可以观察当一个人集中注意力时，Alpha波如何减少，或者在执行记忆任务时，Theta波如何增加。这为研究人员提供了大脑实时处理的高分辨率、细致的观察，有助于将特定的神经模式与认知行为联系起来。这种水平的细节在认知科学领域的学术研究和教学中也是不可或缺的。
脑机接口开发
脑机接口 (BCI) 将大脑信号转换为外部设备的控制指令，为交流和控制提供了新的可能性。BCI 的有效性取决于其从用户的EEG数据中准确解读用户意图的能力。时频分析在这里至关重要，因为它可以更好地特征化作为控制信号的脑电振荡。通过隔离用户思考特定动作时发生的特征性频率变化，开发人员可以构建更可靠、更直观的 BCI 系统。这种细致的分析是创建下一代脑机接口技术的关键一步。
临床研究与癫痫发作检测
在临床研究中，时频分析为检查神经系统状况提供了一个强有力的透镜。例如，在癫痫研究中，这种方法常用于分析EEG数据中可能指示癫痫发作的模式。研究人员可以使用时频图谱对EEG进行分段分类，并识别癫痫发作活动的独有特征，这些特征往往过于短暂或微妙，以至于无法被其他方法发现。这个应用展示了详尽的信号分析如何能够有助于对复杂神经系统事件的更深层理解，为研究界提供有价值的信息。
睡眠研究与连接性分析
睡眠是一个具有不同阶段的动态过程，每个阶段都以独特的大脑活动模式为特征。时频分析是研究整晚这些变化的极佳工具。它使研究人员能够探索在不同睡眠阶段脑电波频率如何转换，以及脑区之间的连接性如何变化。这在检查阿尔茨海默病等常见带有睡眠障碍的病态研究中特别相关。通过分析EEG数据，研究人员可以识别出不同群体之间睡眠期间的大脑活动模式差异，从而提供关于大脑功能的洞察，并开辟通往实现认知健康工具的途径。
寻找合适的硬件和软件
一旦您理解了时频分析的原理，下一步就是将它们付诸实践。您的洞察质量直接取决于您收集的数据质量，这也是为什么选择合适的工具如此重要的原因。您的研究配置融合了捕捉脑信号的物理EEG系统以及帮助您处理和解读它们的软件。从一开始就正确调配这一组合将为您免去许多头痛，并确保您的结果是可靠且有意义的。让我们了解在您选择硬件和软件时应当关注什么，以及应当遵循哪些最佳实践。
值得考虑的EEG系统规格
任何好的EEG系统配置其基石都在硬件。电极是拾取头皮电信号的部件，因此其质量和放置位置至关重要。大多数研究级系统使用可靠的氯化银 (Ag-AgCl) 电极来捕获干净的信号。您还会看到对国际 10-20 系统的参考，这是放置这些电极的标准化图谱。遵循该系统至关重要，因为它确保您的测量与其他研究保持一致，并具备可比性。我们像 Epoc X 这样的多通道脑电帽在设计上就融入了这些标准，以支持可重复的科学研究。
选择您的软件并准备您的高质量数据
在选定硬件后，您需要可以进行时频分析复杂计算的软件。合适的平台可以帮助您轻松计算时频功率，它可以展示不同大脑频率的强度如何随时间变化。我们的EmotivPRO软件专为处理此类分析而设计，可让您实现数据可视化并可以导出数据以便做进一步研究。在为分析准备数据时，这里有一个专业提示：始终记录一个略长于您实际感兴趣的时间间隔。这个简单的步骤有助于您避免数据段边缘可能出现的数据损坏，从而产出更准确的分析。
高可靠性高质量数据的最佳实践
收集高质量数据是EEG研究中不可妥协的部分。两项关键工作将帮助您获得尽可能干净的信号。首先，致力于获得低的电极阻抗——最好低于 10 K Ohms。这一测量值反映了电极与头皮之间连接的优劣，低阻抗意味着更少的噪声。其次，使用具有高共模抑制比 (CMRR) 的系统。高 CMRR 意味着您的放大器在滤除环境电噪声方面非常有效，这些噪声原本可能会污染您的脑信号数据。遵循这些实践是进行严肃学术研究的基础。
开始开展时频分析
入门时频分析可能看起来很复杂，但实际上它就是遵循一个清晰的流程。有了合适的工具和一些最佳实践，您就可以从收集原始大脑数据走向揭示有意义的洞察。关键是从坚实的基石开始：高质量的硬件、灵活的软件以及用于准备数据的可靠方法。让我们共同迈出基本步骤，帮助您良好起步。
为您的研究选择匹配的EEG硬件
您的分析质量完全取决于数据质量，而这一切都始于硬件。EEG脑电帽上的电极是捕获大脑电信号的部件。典型的配置包括用于测量活动的工作电极、用于对照参考的参考电极，以及用于减少不必要噪点的接地电极。许多研究人员更喜欢使用氯化银 (Ag-AgCl) 电极的脑电帽，因为它们能提供稳定可靠的信号。您对脑电帽的选择应当与研究目标保持一致。例如，我们的 Epoc X 提供了 14 个通道用于稳健的研究应用，而我们高密度的 Flex 头戴式设备则提供了 32 个通道，以实现更细致的大脑成像。
寻找必备的软件工具和平台
在收集了EEG数据后，您需要用合适的软件前来进行分析。我们的EmotivPRO软件专门设计用于详细的分析，使您能够实时查看原始EEG数据、运行频率分析以及查看表现指标（Performance Metrics）。为了进行更深度的时频分析，您可以轻松导出数据以便在其他程序中使用。许多研究人员使用开源工具包（如 FieldTrip），它为傅里叶分析和 Morlet 小波等高级方法提供了强大的功能套件。这种灵活性允许您将 Emotiv 硬件无缝地集成到您现有的研究工作流中，让您对您的分析方式拥有掌控度。
应用最佳实践以获得可靠的结果
为了确保您的发现在学术上是准确的，遵循几条数据准备指导原则十分重要。首先，当您围绕某个事件对数据进行切片（分段）时，一个好的实践是选择比您感兴趣的周期稍微长一小段的时间间隔。这个简单的步骤有助于您避免在数据段起始和末尾可能出现的潜在失真或“边缘伪迹”。其次，始终将您在事件期间的大脑活动与一个基线期进行比较（通常是刺激产生前的那段安静间隔）。这种比较能使您更容易看清大脑活动产生的显著变化，并能满怀信心地解读您的结果。
相关文章
常见问题解答
最主要的核心要点是什么？为什么时频分析优于只看脑电波？ 最重要的核心差异在于时频分析能够告诉您事情发生在大脑中的何时。传统方法可以为您对一段时间内哪些脑波频段是活跃的提供一个很好的总结，但在处理中它们会将所有事物平均化。这种时频分析方法能够具体展示出特定频率增强或减弱的精确时刻，这对于将大脑活动同具体的想法、感受或行动连接起来至关重要。它提供的是完整的内容，而不仅是一个概要。
我是这里的新手。哪种分析方法最适合初学者？ 并没有单一在任何时候都是“最好”的方法，因为正确的选择确实取决于您具体的研究问题。然而，许多人发现短时傅里叶变换 (STFT) 是个不错的起点，因为其分析过程非常直白。它将信号割成小块并一块接一块展开分析。对于变化非常快（非平稳）的信号，小波变换（Wavelet Transform）往往是一个更为强大的选择。我的建议是，先从理解您项目试图实现的目标切入，然后选择可以最好帮助您解答该问题的工具。
在为这类分析采集数据时，最重要确保做对的事情是什么？ 毫无疑问，首要即是您初始信号的质量。时频分析的设计目的就在于找出精细微弱的模式，而这些模式很容易被物理噪声淹没。从最一开始就应当专注于获得干净的记录——要确保您的电极同头皮之间有一个牢固、低阻抗的连接。干净的信号是产生稳健可靠结果的根基，这会为您在分析阶段节省大量的时间和精力。
什么是“基线”？为什么它对我的结果如此关键？ 基线是针对一段中性大脑活动的短时间记录，通常是在您的主要事件或刺激即将开始前采集的。将其视作为您的对照测量。您用其与同事件相关的大脑活动进行比照，以看清实际改变了什么。如果缺失一个干净且妥善选择的基线，您就失去了对照点，也就变得无从得知您正在观察的模式是具有意义的还是仅是随意的噪声。
我可以在 Emotiv 的软件中直接开展时频分析吗？ 我们的 EmotivPRO软件专建旨在帮助您将您的数据可视化并操作和分析数据，提供实时频率分析和表现指标（Performance Metrics）。为了绘制出该博文中讨论的详尽的时频图谱，您可以方便地从 EmotivPRO 导出高质量的原始数据。该数据格式支持直接用于广受欢迎的学术工具包（如 FieldTrip）中，或者借由诸如 MATLAB 或 Python 之类平台的自定义脚本开展深度探究，由此充分掌控您的分析。
继续阅读