寻求帮助吗？
在我们的知识库中搜索答案
搜索...
EmotivPRO 会自动从收集的 EEG 数据中去除伪影吗？
人工制品
使用脑电图头盔时，一些信号可能会干扰脑波测量。这些不需要的信号称为“人工制品”，主要有两种类型：
内在人工制品：这些由来自身体的正常生物信号引起，例如：
面部、颈部和下颌肌肉活动：微笑、咬紧牙齿、皱眉、眨眼、眨眼、咀嚼、说话、转动头部（颈部肌肉）。每个肌肉群距离一些脑电图传感器更近，而距离其他传感器更远，因此每个位置检测到的信号不同，导致人工制品更难移除。事实上，Emotiv使用信号处理和机器学习方法来解开肌肉信号的分布，从而推断出哪些群体正在激活，并因此识别您的面部表情！
眼科活动：您的每只眼球都有高浓度的神经遍布后表面（视网膜、视神经），而前表面几乎没有神经。实际上，您的眼球像一个大的偶极子，从前到后有电荷不平衡。当您的眼球在眼窝中旋转时，偶极场方向改变，指向您正在看的地方，这被检测为背景生物电位的变化，该生物电位相对于每个脑电图传感器的角度不同——这意味着它不是传感器之间的通用信号。控制眼球旋转的肌肉会产生额外的信号人工制品。
心脏信号：您的心脏是原始肌肉信号的重要来源，有时可以被一些或所有脑电图通道直接检测到，就像记录心电图一样。特征性的P-Q-R-S-T复合波可能偶尔在一些脑电图通道中直接观察到。第二种心脏人工制品来自心脏通过动脉泵血时扩张和收缩的大血管。动脉壁是肌肉性的，并随着我们的心跳同步扩张和收缩时产生次级信号。最后，如果您碰巧将传感器直接放在大动脉旁边，传感器可能会因血管形状和大小的变化而机械移位，导致传感器在皮肤表面上节律性移动，从而改变接触阻抗并诱发周期性模式下的虚假电压。
这些动作产生的肌肉、眼睛和其他生物信号可能与脑波数据混合。通常，这些生物信号显著大于脑信号，除非进行某种形式的过滤和源分离，否则很难检测到脑活动。
内在人工制品分为特定的、可预测的类别，有许多预处理工具可以应用于选择性地去除这些人工制品。最常见的方法是独立成分分析（ICA，EEGLab、NME及其它库中可用）和人工制品子空间重建方法（ASR、rASR，比ICA更具计算效率）。这些模型依靠将时间序列信号分解为不同的成分，然后从这些不与不同类型人工制品相关联的成分子集重新组装信号。
Emotiv脑电图数据以尽可能干净的形式传递到主机PC，但不移除可能对不同用户感兴趣的内在生物信号人工制品，这也增强了ICA和rASR方法去除已知类别的内在人干制品的能力，因为它们的信号没有受到设备上过滤的影响。
外在人工制品：这些来自外部源，例如：
传感器滑动、头盔在头部上移动或被碰撞
来自电器、电脑和其他设备、变压器和电线辐射的电场，特别是在电力线路频率（50/60 Hz）及其谐波倍数。电力线路噪声通常是脑电图信号中最强的人工制品来源。
所有现代脑电图系统都使用以固定采样频率工作的模拟到数字信号转换器。在数字采样中一种著名的现象是混叠，当采样系统遇到频率成分高于采样频率50%（奈奎斯特频率）的信号时会发生。例如，当以128Hz采样时，奈奎斯特频率是64Hz，刚好高于60Hz电力线频率。然而，60Hz的谐波：[120Hz, 180Hz, 240Hz, …] “环绕”奈奎斯特频率，并以虚假或“混叠”的信号出现在8Hz、24Hz、16Hz等，因为数字系统采样这些高频信号的每秒、每三分之一、每四分之一……周期的一部分。电力线路辐射的高次谐波存在，因为电力系统中的电流和辐射场通常不是完美的正弦波。通常有大量辐射功率可检测到直到大约第10次谐波。这些高频混叠信号与较低频率范围内的真实脑信号振荡是无法区分的，因此必须在呈现给采样系统之前从输入信号中删除。
来自附近带电物体和人的静电场：累积的静电荷可能导致您与他人及周围物体之间潜力差距达到数千伏。例如，一个正电荷物体会使您身体和头部的负电荷被吸引，而负电荷被排斥，导致不同脑电图传感器下的身体潜力分布不均。Emotiv设备使用交流耦合检测（模拟高通滤波），以单个参考点来显著去耦不均匀的静电荷分布。但是，如果您或这些带电源移动，电荷会在您身体周围移动，导致潜力变化，这可能快到足以通过滤波器被传递。
您的静电潜力可以在您蓄电或快速放电时缓慢或瞬时变化，例如行走在地毯上或触碰金属物体，可能导致火花。您的身体潜力可以在瞬间、几秒钟或更长时间内发生变化，这可能暂时压倒可穿戴脑电图系统中的身体潜力消除电路，导致脑电图信号中的大幅尖峰和较慢恢复。
实验室基础脑电图系统可以通过限制受试者的运动、电屏实验室、连接地线以防止静电积累、非常高的采样频率等来保护免受许多这些人工制品的干扰。
可穿戴、电池驱动的无线脑电图系统不能依靠这些措施，因此必须使用一系列缓解策略。数据传输速率必须在电池寿命之间达到平衡，因为无线传输器相当耗电。
减少干扰
脑电图头盔设计来最大限度地减少不需要的噪音。大多数外部噪声源，如静电和电磁干扰（例如，电力线的50/60 Hz噪声和谐波）表现为共模噪声，其中底层的身体潜力在所有传感器上以大约相同的方式振荡。
Emotiv设备使用单点参考传感器（CMS）测量身体潜力，并结合模拟域中的主动消除系统（CMS信号倒置并反馈到DRL传感器以消除共模振荡并推导出低噪声脑电图参考电平用于差分输入放大器。高通（交流耦合）和低通模拟滤波器（反混叠模拟滤波器），以2048Hz显著过采样，其后进行连续子奈奎斯特数字滤波、50/60Hz双尖锐滤波和降采样到数据传输频率（128或256Hz），在耳机传输之前的DSP处理器 的数字域中。这些措施使外部噪声源在耳机正确过滤和接触阻抗低时几乎不可检测。
我们的机械设计通过独立支持每个传感器并适应每个用户的大小和形状来最小化运动人工制品。
EmotivPRO如何处理数据
EmotivPRO中的脑电图数据被严格按照耳机接收到的形式记录。软件不会自动去除来自肌肉或眼动的人工制品，因为数据清理技术（如ICA）在未经滤波的原始数据上效果更好。然而，如上所述，Emotiv脑电图头盔应用经过仔细制作的信号处理，当耳机有良好接触时有助于产生清洁信号，使脑波数据更易分析。
这篇文章对您有帮助吗？
找不到您需要的东西吗？
我们的支持团队只需轻轻一点击。
寻求帮助吗？
搜索...
知识库
EmotivPRO 会自动从收集的 EEG 数据中去除伪影吗？
人工制品
使用脑电图头盔时，一些信号可能会干扰脑波测量。这些不需要的信号称为“人工制品”，主要有两种类型：
内在人工制品：这些由来自身体的正常生物信号引起，例如：
面部、颈部和下颌肌肉活动：微笑、咬紧牙齿、皱眉、眨眼、眨眼、咀嚼、说话、转动头部（颈部肌肉）。每个肌肉群距离一些脑电图传感器更近，而距离其他传感器更远，因此每个位置检测到的信号不同，导致人工制品更难移除。事实上，Emotiv使用信号处理和机器学习方法来解开肌肉信号的分布，从而推断出哪些群体正在激活，并因此识别您的面部表情！
眼科活动：您的每只眼球都有高浓度的神经遍布后表面（视网膜、视神经），而前表面几乎没有神经。实际上，您的眼球像一个大的偶极子，从前到后有电荷不平衡。当您的眼球在眼窝中旋转时，偶极场方向改变，指向您正在看的地方，这被检测为背景生物电位的变化，该生物电位相对于每个脑电图传感器的角度不同——这意味着它不是传感器之间的通用信号。控制眼球旋转的肌肉会产生额外的信号人工制品。
心脏信号：您的心脏是原始肌肉信号的重要来源，有时可以被一些或所有脑电图通道直接检测到，就像记录心电图一样。特征性的P-Q-R-S-T复合波可能偶尔在一些脑电图通道中直接观察到。第二种心脏人工制品来自心脏通过动脉泵血时扩张和收缩的大血管。动脉壁是肌肉性的，并随着我们的心跳同步扩张和收缩时产生次级信号。最后，如果您碰巧将传感器直接放在大动脉旁边，传感器可能会因血管形状和大小的变化而机械移位，导致传感器在皮肤表面上节律性移动，从而改变接触阻抗并诱发周期性模式下的虚假电压。
这些动作产生的肌肉、眼睛和其他生物信号可能与脑波数据混合。通常，这些生物信号显著大于脑信号，除非进行某种形式的过滤和源分离，否则很难检测到脑活动。
内在人工制品分为特定的、可预测的类别，有许多预处理工具可以应用于选择性地去除这些人工制品。最常见的方法是独立成分分析（ICA，EEGLab、NME及其它库中可用）和人工制品子空间重建方法（ASR、rASR，比ICA更具计算效率）。这些模型依靠将时间序列信号分解为不同的成分，然后从这些不与不同类型人工制品相关联的成分子集重新组装信号。
Emotiv脑电图数据以尽可能干净的形式传递到主机PC，但不移除可能对不同用户感兴趣的内在生物信号人工制品，这也增强了ICA和rASR方法去除已知类别的内在人干制品的能力，因为它们的信号没有受到设备上过滤的影响。
外在人工制品：这些来自外部源，例如：
传感器滑动、头盔在头部上移动或被碰撞
来自电器、电脑和其他设备、变压器和电线辐射的电场，特别是在电力线路频率（50/60 Hz）及其谐波倍数。电力线路噪声通常是脑电图信号中最强的人工制品来源。
所有现代脑电图系统都使用以固定采样频率工作的模拟到数字信号转换器。在数字采样中一种著名的现象是混叠，当采样系统遇到频率成分高于采样频率50%（奈奎斯特频率）的信号时会发生。例如，当以128Hz采样时，奈奎斯特频率是64Hz，刚好高于60Hz电力线频率。然而，60Hz的谐波：[120Hz, 180Hz, 240Hz, …] “环绕”奈奎斯特频率，并以虚假或“混叠”的信号出现在8Hz、24Hz、16Hz等，因为数字系统采样这些高频信号的每秒、每三分之一、每四分之一……周期的一部分。电力线路辐射的高次谐波存在，因为电力系统中的电流和辐射场通常不是完美的正弦波。通常有大量辐射功率可检测到直到大约第10次谐波。这些高频混叠信号与较低频率范围内的真实脑信号振荡是无法区分的，因此必须在呈现给采样系统之前从输入信号中删除。
来自附近带电物体和人的静电场：累积的静电荷可能导致您与他人及周围物体之间潜力差距达到数千伏。例如，一个正电荷物体会使您身体和头部的负电荷被吸引，而负电荷被排斥，导致不同脑电图传感器下的身体潜力分布不均。Emotiv设备使用交流耦合检测（模拟高通滤波），以单个参考点来显著去耦不均匀的静电荷分布。但是，如果您或这些带电源移动，电荷会在您身体周围移动，导致潜力变化，这可能快到足以通过滤波器被传递。
您的静电潜力可以在您蓄电或快速放电时缓慢或瞬时变化，例如行走在地毯上或触碰金属物体，可能导致火花。您的身体潜力可以在瞬间、几秒钟或更长时间内发生变化，这可能暂时压倒可穿戴脑电图系统中的身体潜力消除电路，导致脑电图信号中的大幅尖峰和较慢恢复。
实验室基础脑电图系统可以通过限制受试者的运动、电屏实验室、连接地线以防止静电积累、非常高的采样频率等来保护免受许多这些人工制品的干扰。
可穿戴、电池驱动的无线脑电图系统不能依靠这些措施，因此必须使用一系列缓解策略。数据传输速率必须在电池寿命之间达到平衡，因为无线传输器相当耗电。
减少干扰
脑电图头盔设计来最大限度地减少不需要的噪音。大多数外部噪声源，如静电和电磁干扰（例如，电力线的50/60 Hz噪声和谐波）表现为共模噪声，其中底层的身体潜力在所有传感器上以大约相同的方式振荡。
Emotiv设备使用单点参考传感器（CMS）测量身体潜力，并结合模拟域中的主动消除系统（CMS信号倒置并反馈到DRL传感器以消除共模振荡并推导出低噪声脑电图参考电平用于差分输入放大器。高通（交流耦合）和低通模拟滤波器（反混叠模拟滤波器），以2048Hz显著过采样，其后进行连续子奈奎斯特数字滤波、50/60Hz双尖锐滤波和降采样到数据传输频率（128或256Hz），在耳机传输之前的DSP处理器 的数字域中。这些措施使外部噪声源在耳机正确过滤和接触阻抗低时几乎不可检测。
我们的机械设计通过独立支持每个传感器并适应每个用户的大小和形状来最小化运动人工制品。
EmotivPRO如何处理数据
EmotivPRO中的脑电图数据被严格按照耳机接收到的形式记录。软件不会自动去除来自肌肉或眼动的人工制品，因为数据清理技术（如ICA）在未经滤波的原始数据上效果更好。然而，如上所述，Emotiv脑电图头盔应用经过仔细制作的信号处理，当耳机有良好接触时有助于产生清洁信号，使脑波数据更易分析。
这篇文章对您有帮助吗？
找不到您需要的东西吗？
我们的支持团队只需轻轻一点击。
寻求帮助吗？
搜索...
知识库
EmotivPRO 会自动从收集的 EEG 数据中去除伪影吗？
人工制品
使用脑电图头盔时，一些信号可能会干扰脑波测量。这些不需要的信号称为“人工制品”，主要有两种类型：
内在人工制品：这些由来自身体的正常生物信号引起，例如：
面部、颈部和下颌肌肉活动：微笑、咬紧牙齿、皱眉、眨眼、眨眼、咀嚼、说话、转动头部（颈部肌肉）。每个肌肉群距离一些脑电图传感器更近，而距离其他传感器更远，因此每个位置检测到的信号不同，导致人工制品更难移除。事实上，Emotiv使用信号处理和机器学习方法来解开肌肉信号的分布，从而推断出哪些群体正在激活，并因此识别您的面部表情！
眼科活动：您的每只眼球都有高浓度的神经遍布后表面（视网膜、视神经），而前表面几乎没有神经。实际上，您的眼球像一个大的偶极子，从前到后有电荷不平衡。当您的眼球在眼窝中旋转时，偶极场方向改变，指向您正在看的地方，这被检测为背景生物电位的变化，该生物电位相对于每个脑电图传感器的角度不同——这意味着它不是传感器之间的通用信号。控制眼球旋转的肌肉会产生额外的信号人工制品。
心脏信号：您的心脏是原始肌肉信号的重要来源，有时可以被一些或所有脑电图通道直接检测到，就像记录心电图一样。特征性的P-Q-R-S-T复合波可能偶尔在一些脑电图通道中直接观察到。第二种心脏人工制品来自心脏通过动脉泵血时扩张和收缩的大血管。动脉壁是肌肉性的，并随着我们的心跳同步扩张和收缩时产生次级信号。最后，如果您碰巧将传感器直接放在大动脉旁边，传感器可能会因血管形状和大小的变化而机械移位，导致传感器在皮肤表面上节律性移动，从而改变接触阻抗并诱发周期性模式下的虚假电压。
这些动作产生的肌肉、眼睛和其他生物信号可能与脑波数据混合。通常，这些生物信号显著大于脑信号，除非进行某种形式的过滤和源分离，否则很难检测到脑活动。
内在人工制品分为特定的、可预测的类别，有许多预处理工具可以应用于选择性地去除这些人工制品。最常见的方法是独立成分分析（ICA，EEGLab、NME及其它库中可用）和人工制品子空间重建方法（ASR、rASR，比ICA更具计算效率）。这些模型依靠将时间序列信号分解为不同的成分，然后从这些不与不同类型人工制品相关联的成分子集重新组装信号。
Emotiv脑电图数据以尽可能干净的形式传递到主机PC，但不移除可能对不同用户感兴趣的内在生物信号人工制品，这也增强了ICA和rASR方法去除已知类别的内在人干制品的能力，因为它们的信号没有受到设备上过滤的影响。
外在人工制品：这些来自外部源，例如：
传感器滑动、头盔在头部上移动或被碰撞
来自电器、电脑和其他设备、变压器和电线辐射的电场，特别是在电力线路频率（50/60 Hz）及其谐波倍数。电力线路噪声通常是脑电图信号中最强的人工制品来源。
所有现代脑电图系统都使用以固定采样频率工作的模拟到数字信号转换器。在数字采样中一种著名的现象是混叠，当采样系统遇到频率成分高于采样频率50%（奈奎斯特频率）的信号时会发生。例如，当以128Hz采样时，奈奎斯特频率是64Hz，刚好高于60Hz电力线频率。然而，60Hz的谐波：[120Hz, 180Hz, 240Hz, …] “环绕”奈奎斯特频率，并以虚假或“混叠”的信号出现在8Hz、24Hz、16Hz等，因为数字系统采样这些高频信号的每秒、每三分之一、每四分之一……周期的一部分。电力线路辐射的高次谐波存在，因为电力系统中的电流和辐射场通常不是完美的正弦波。通常有大量辐射功率可检测到直到大约第10次谐波。这些高频混叠信号与较低频率范围内的真实脑信号振荡是无法区分的，因此必须在呈现给采样系统之前从输入信号中删除。
来自附近带电物体和人的静电场：累积的静电荷可能导致您与他人及周围物体之间潜力差距达到数千伏。例如，一个正电荷物体会使您身体和头部的负电荷被吸引，而负电荷被排斥，导致不同脑电图传感器下的身体潜力分布不均。Emotiv设备使用交流耦合检测（模拟高通滤波），以单个参考点来显著去耦不均匀的静电荷分布。但是，如果您或这些带电源移动，电荷会在您身体周围移动，导致潜力变化，这可能快到足以通过滤波器被传递。
您的静电潜力可以在您蓄电或快速放电时缓慢或瞬时变化，例如行走在地毯上或触碰金属物体，可能导致火花。您的身体潜力可以在瞬间、几秒钟或更长时间内发生变化，这可能暂时压倒可穿戴脑电图系统中的身体潜力消除电路，导致脑电图信号中的大幅尖峰和较慢恢复。
实验室基础脑电图系统可以通过限制受试者的运动、电屏实验室、连接地线以防止静电积累、非常高的采样频率等来保护免受许多这些人工制品的干扰。
可穿戴、电池驱动的无线脑电图系统不能依靠这些措施，因此必须使用一系列缓解策略。数据传输速率必须在电池寿命之间达到平衡，因为无线传输器相当耗电。
减少干扰
脑电图头盔设计来最大限度地减少不需要的噪音。大多数外部噪声源，如静电和电磁干扰（例如，电力线的50/60 Hz噪声和谐波）表现为共模噪声，其中底层的身体潜力在所有传感器上以大约相同的方式振荡。
Emotiv设备使用单点参考传感器（CMS）测量身体潜力，并结合模拟域中的主动消除系统（CMS信号倒置并反馈到DRL传感器以消除共模振荡并推导出低噪声脑电图参考电平用于差分输入放大器。高通（交流耦合）和低通模拟滤波器（反混叠模拟滤波器），以2048Hz显著过采样，其后进行连续子奈奎斯特数字滤波、50/60Hz双尖锐滤波和降采样到数据传输频率（128或256Hz），在耳机传输之前的DSP处理器 的数字域中。这些措施使外部噪声源在耳机正确过滤和接触阻抗低时几乎不可检测。
我们的机械设计通过独立支持每个传感器并适应每个用户的大小和形状来最小化运动人工制品。
EmotivPRO如何处理数据
EmotivPRO中的脑电图数据被严格按照耳机接收到的形式记录。软件不会自动去除来自肌肉或眼动的人工制品，因为数据清理技术（如ICA）在未经滤波的原始数据上效果更好。然而，如上所述，Emotiv脑电图头盔应用经过仔细制作的信号处理，当耳机有良好接触时有助于产生清洁信号，使脑波数据更易分析。
这篇文章对您有帮助吗？
找不到您需要的东西吗？
我们的支持团队只需轻轻一点击。