# EEG

**Repository Path**: kernel-c/eeg

## Basic Information

- **Project Name**: EEG
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-31
- **Last Updated**: 2026-03-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# EEG-data-analysis-Course

EEG时间序列数据分析，包括事件相关电位(ERP)、时频分析、统计分析和分类

## 📋 项目概述

本项目提供了一套完整的EEG数据处理流程，支持多种数据格式，包括：
- **BCIC IV 2a数据集**（运动想象任务，GDF格式）
- **PhysioNet数据集**（EDF格式）
- **自定义设备数据**（通过适配脚本）
- **模拟数据**（用于测试和演示）

主脚本：`eeg_course_script_master_updated_with_TF_methods.m`（全程注释，可直接运行）

---

## 📊 BCIC IV 2a数据集详解

### 数据集简介

**BCI Competition IV Dataset 2a** 是脑机接口领域广泛使用的公开数据集，包含运动想象任务的EEG数据。

### 数据集特点

| 特征 | 说明 |
|------|------|
| **实验任务** | 4类运动想象任务：左手、右手、双脚、舌头 |
| **受试者数量** | 9名受试者（A01-A09） |
| **采样率** | 250 Hz |
| **通道数** | 25通道（22个EEG + 3个EOG） |
| **试次数量** | 每类48次，共288次/受试者 |

### 通道配置

**EEG通道（22个）：**
```
Fz, FC3, FC1, FCz, FC2, FC4, C5, C3, C1, Cz, 
C2, C4, C6, CP3, CP1, CPz, CP2, CP4, P1, Pz, 
P2, POz
```

**EOG通道（3个）：**
```
EOG-left, EOG-central, EOG-right
```

---

## 🧠 EEG通道位置详解（国际10-20系统）

### 什么是10-20系统

**国际10-20系统**是EEG电极放置的国际标准，名称含义：
- **10-20**：相邻电极之间的距离为头围的10%或20%
- 基于**鼻根（Nasion）**和**枕外隆凸（Inion）**两个解剖标志定位

### 通道命名规则

| 字母 | 含义 | 大脑区域 |
|------|------|----------|
| **F** | Frontal | 额叶（Frontal lobe） |
| **C** | Central | 中央区（Central，运动皮层） |
| **P** | Parietal | 顶叶（Parietal lobe） |
| **O** | Occipital | 枕叶（Occipital lobe，视觉皮层） |
| **T** | Temporal | 颞叶（Temporal lobe） |
| **Fp** | Frontopolar/Prefrontal | 额极/前额叶 |
| **A** | Auricular/Ear | 耳垂/耳周 |
| **AF** | Anterior Frontal | 前额区 |
| **FC** | Frontal-Central | 额中央区 |
| **CP** | Central-Parietal | 中央顶区 |
| **PO** | Parietal-Occipital | 顶枕区 |

| 数字 | 含义 | 位置 |
|------|------|------|
| **z** (zero) | 中线 | 头顶正中线 |
| **偶数** (2,4,6,8) | 右侧 | 右半球 |
| **奇数** (1,3,5,7) | 左侧 | 左半球 |
| **数字越小** | 越靠近中线 | 靠近z轴 |
| **数字越大** | 越远离中线 | 靠近外侧 |

### BCIC IV 2a通道位置详解

#### 额叶区域（Frontal）- 认知、决策、运动计划
```
Fp1, Fp2  : 额极（前额叶最前端）- 高级认知功能
Fz        : 额叶中线 - 运动准备、认知控制
F3, F4    : 额叶外侧 - 工作记忆、注意力
F7, F8    : 额叶前外侧 - 语言处理（左侧）
AF3, AF4  : 前额外侧 - 前额叶皮层（注：BCIC数据集中可能不含）
```

#### 中央区（Central）- 运动皮层
```
Cz        : 中央顶点 - 初级运动皮层代表区
C3, C4    : 中央区外侧 - 对侧肢体运动控制
   └─ C3: 右手运动（左脑控制）
   └─ C4: 左手运动（右脑控制）
C5, C6    : 中央区更外侧 - 辅助运动区
```

#### 顶叶区域（Parietal）- 感觉整合、空间认知
```
Pz        : 顶叶中线 - 感觉整合、注意力
P3, P4    : 顶叶外侧 - 空间处理、数学认知
P7, P8    : 顶叶后外侧（原T5,T6）- 视觉空间处理
CP1, CP2  : 中央顶区 - 感觉运动整合
CP5, CP6  : 中央顶区外侧
```

#### 枕叶区域（Occipital）- 视觉处理
```
Oz        : 枕叶中线 - 初级视觉皮层
O1, O2    : 枕叶外侧 - 视觉信息处理
PO3, PO4  : 顶枕区 - 高级视觉处理
PO7, PO8  : 顶枕区外侧 - 视觉注意
```

#### 颞叶区域（Temporal）- 听觉、语言、记忆
```
T7, T8    : 颞叶外侧（原T3,T4）- 听觉处理、语言理解
   └─ T7 (左): 语言理解（Wernicke区附近）
   └─ T8 (右): 音乐、非语言声音处理
```

### 通道位置示意图

```
                    鼻根方向（前）
                         ↑
                         |
        Fp1 -------- Fpz -------- Fp2
       /    \       /    \       /    \
      /      \     /      \     /      \
    F7        F3───Fz─────F4───F8
    | \      /  \   |   /  \      / |
    |  \    /    \  |  /    \    /  |
    |   FC5──FC1───Cz───FC2──FC6   |
    |    |   |     |     |   |    |
   T7────C5──C3────Cz────C4──C6────T8
    |    |   |     |     |   |    |
    |   CP5──CP1───Pz───CP2──CP6   |
    |  /    \    /  |  \    /    \  |
    | /      \  /   |   \  /      \ |
    P7        P3───Pz────P4───────P8
      \      /  \   |   /  \      /
       \    /    \  |  /    \    /
       PO7──────PO3─Oz─PO4──────PO8
         \       /   |   \       /
          \     /    |    \     /
           O1──┴────Oz────┴───O2
                    |
                    ↓
              枕外隆凸方向（后）

左侧（奇数）<────────────> 右侧（偶数）
```

### 运动想象任务的关键通道

对于**左手/右手运动想象**，最重要的通道是：

| 通道 | 重要性 | 原因 |
|------|--------|------|
| **C3** | ⭐⭐⭐ | 右侧运动皮层（控制左手） |
| **C4** | ⭐⭐⭐ | 左侧运动皮层（控制右手） |
| **Cz** | ⭐⭐☆ | 辅助运动区 |
| **FC3, FC4** | ⭐⭐☆ | 运动前区 |
| **CP3, CP4** | ⭐☆☆ | 感觉运动整合 |

### 实际应用建议

#### 1. 分析特定脑区
```matlab
% 提取运动相关通道
motor_channels = {'C3', 'Cz', 'C4', 'FC3', 'FCz', 'FC4'};
motor_indices = find(ismember(Channelnames, motor_channels));
motor_data = data_EEG_sync(motor_indices, :);
```

#### 2. 左右对比分析
```matlab
% 左半球 vs 右半球
left_channels = {'C3', 'FC3', 'CP3'};
right_channels = {'C4', 'FC4', 'CP4'};

left_idx = find(ismember(Channelnames, left_channels));
right_idx = find(ismember(Channelnames, right_channels));

% 计算左右不对称指数
left_power = mean(bandpower(data_EEG_sync(left_idx, :)'));
right_power = mean(bandpower(data_EEG_sync(right_idx, :)'));
asymmetry = (right_power - left_power) / (right_power + left_power);
```

#### 3. 可视化特定区域
```matlab
% 只显示中央区通道
central_channels = {'FC5', 'FC1', 'FC2', 'FC6', 'C5', 'C3', 'Cz', 'C4', 'C6'};
```

### 实验流程

```
时间轴：
0-2秒：十字提示（ fixation cross）
2-3秒：箭头提示（指示想象任务类型）
3-4秒：运动想象执行期
```

### 事件代码

| 代码 | 含义 | 说明 |
|------|------|------|
| 769 | 左手 | 想象左手运动 |
| 770 | 右手 | 想象右手运动 |
| 771 | 双脚 | 想象双脚运动 |
| 772 | 舌头 | 想象舌头运动 |

### 文件结构

```
BCICIV_2a/
├── A01T.gdf    # A01受试者训练集
├── A01E.gdf    # A01受试者测试集
├── A02T.gdf    # A02受试者训练集
├── A02E.gdf    # A02受试者测试集
├── ...
└── A09E.gdf    # A09受试者测试集
```

**文件命名规则：**
- `A01`：受试者编号（A01-A09）
- `T`：Training（训练集），带标签
- `E`：Evaluation（测试集），无标签（用于竞赛评估）

### 数据下载

数据集可从以下地址下载：
- 官网：http://www.bbci.de/competition/iv/desc_2a.html
- 需注册后下载

---

## � GDF文件格式详解

### 什么是GDF格式

**GDF（General Data Format）** 是BIOSIG项目开发的通用生物信号数据格式，专为EEG、ECG、EMG等生理信号设计。

### GDF文件结构

```
GDF文件 = 文件头(Header) + 数据记录(Data Records)
```

#### 文件头信息（Header）

| 字段 | 说明 | 示例值 |
|------|------|--------|
| `TYPE` | 文件类型标识 | 'GDF' |
| `VERSION` | GDF版本号 | 1.99 |
| `FileName` | 完整文件路径 | 'E:\EEG\BCICIV_2a\A01T.gdf' |
| `T0` | 记录开始时间 | [2005 1 17 12 0 0] |
| `HeadLen` | 文件头长度（字节） | 6656 |
| `NS` | 通道数（Number of Signals） | 25 |
| `SPR` | 每个数据记录的采样点数 | 1 |
| `NRec` | 数据记录总数 | 672528 |
| `SampleRate` | 采样率（Hz） | 250 |
| `Label` | 通道名称列表 | {25×1 cell} |
| `LeadIdCode` | 导联标识代码 | [0 0 0 ...] |
| `PhysDimCode` | 物理维度代码 | [4275 4275 ...] |

#### 事件信息（EVENT）

```matlab
EVENT.POS  % 事件位置（采样点索引）
EVENT.TYP  % 事件类型代码
EVENT.CHN  % 事件相关通道
EVENT.DUR  % 事件持续时间
```

**BCIC IV 2a事件代码：**
- 276: 开始记录
- 768: 试次开始
- 769: 左手想象提示
- 770: 右手想象提示
- 771: 双脚想象提示
- 772: 舌头想象提示
- 783: 未知类别（测试集）
- 1023: 拒绝试次（伪迹过多）

---

## 🔧 使用sload读取GDF数据

### sload函数简介

`sload` 是BIOSIG工具箱的核心函数，用于加载多种格式的生物信号数据。

### 基本用法

```matlab
% 读取GDF文件
[s, h] = sload('A01T.gdf');

% s: 信号数据矩阵 (采样点 × 通道)
% h: 文件头信息结构体
```

### 输出数据结构

#### s - 信号数据

```matlab
size(s)  % 返回: [672528, 25]
% 含义: [总采样点数, 通道数]
% 单位: 微伏 (μV) 或纳伏 (nV)，取决于设备
```

#### h - 文件头结构体

```matlab
% 基本信息
h.TYPE          % 'GDF'
h.VERSION       % 1.9900
h.FileName      % 完整文件路径

% 时间信息
h.T0            % [年 月 日 时 分 秒]
h.SampleRate    % 250 Hz
h.Dur           % 0.0040 (每个数据记录的持续时间，秒)

% 数据维度
h.NS            % 25 (通道数)
h.NRec          % 672528 (数据记录数)
h.SPR           % 1 (每记录采样点数)

% 通道信息
h.Label         % {25×1 cell} 通道名称
h.LeadIdCode    % 导联标识代码
h.PhysDim       % {25×1 cell} 物理维度单位（如 'μV', 'nV'）
h.PhysDimCode   % 物理维度代码（4275=nV, 4256=μV）

% 数值范围信息
h.PhysMin       % [-99.9512 ...] 物理最小值（微伏）
h.PhysMax       % [99.9512 ...] 物理最大值（微伏）
h.DigMin        % [-2047 ...] 数字最小值（ADC数值）
h.DigMax        % [2047 ...] 数字最大值（ADC数值）

% 校准信息
h.Cal           % [0.0488 ...] 校准系数（物理值 = 数字值 × Cal + Off）
h.Off           % [0 ...] 偏移量
h.GDFTYP        % 数据类型代码

% 硬件信息
h.Transducer    % {25×1 cell} 传感器类型
h.Impedance     % [2.1475e+09 ...] 电极阻抗（欧姆）
h.fZ            % [2.1475e+09 ...] 参考阻抗
h.Filter        % [1×1 struct] 滤波器设置
h.ELEC          % [1×1 struct] 电极位置信息

% 事件信息
h.EVENT.POS     % 事件位置向量
h.EVENT.TYP     % 事件类型向量
h.EVENT.CHN     % 事件通道向量
h.EVENT.DUR     % 事件持续时间向量

% 其他信息
h.TOffset       % [NaN ...] 时间偏移
h.AS            % [1×1 struct] 辅助信息
h.REC           % [1×1 struct] 记录信息
h.InChanSelect  % [1 2 3 ... 25] 选中的通道索引
h.Manufacturer  % [1×1 struct] 设备制造商信息

% BCIC IV 2a数据集特有字段
h.Calib         % [26×25 double] 校准矩阵
h.FILE          % [1×1 struct] 文件信息
h.Classlabel    % [288×1 double] 试次类别标签（1=左手, 2=右手, 3=双脚, 4=舌头）
h.TRIG          % [288×1 double] 触发位置（与EVENT.POS对应）
h.ArtifactSelection % [288×1 logical] 伪迹标记（true=有伪迹）
h.CHANTYP       % 'EEEEEEEEEEEEEEEEEEEEEEOOO' 通道类型（E=EEG, O=EOG）
```

### 实际使用示例

```matlab
% 1. 加载数据
[s, h] = sload('A01T.gdf');

% 2. 提取信号数据并转置为 (通道 × 时间)
data_EEG_sync = s';

% 3. 获取采样率
Fs = h.SampleRate;

% 4. 获取通道名称
Channelnames = h.Label;

% 5. 提取事件信息
event_pos = h.EVENT.POS;  % 事件位置
event_typ = h.EVENT.TYP;  % 事件类型

% 6. 筛选特定事件（如左手想象）
left_hand_events = event_pos(event_typ == 769);

% 7. 查看数据时间长度
duration_seconds = size(s, 1) / Fs;
duration_minutes = duration_seconds / 60;
fprintf('数据时长: %.2f 分钟\n', duration_minutes);
```

### 数据单位转换

GDF文件中的数据通常以**微伏(μV)**为单位存储，但有时可能需要转换：

```matlab
% 如果数据单位是纳伏(nV)，转换为微伏(μV)
if isfield(h, 'PhysDimCode') && any(h.PhysDimCode == 4275)  % 4275 = nV
    data_EEG_sync = data_EEG_sync * 1e-3;  % nV → μV
end
```

### 重要字段的实际应用

#### 1. 数据校准（Cal 和 Off）
```matlab
% 原始ADC数值转换为物理单位
% 物理值 = 数字值 × Cal + Off
physical_value = digital_value * h.Cal(1) + h.Off(1);
```

#### 2. 检查数据范围（PhysMin/PhysMax）
```matlab
% 检查数据是否超出设备量程
if max(abs(data_EEG_sync(:))) > h.PhysMax(1)
    warning('数据可能包含削波（clipping）！');
end
```

#### 3. 电极阻抗检查（Impedance）
```matlab
% 检查电极阻抗是否过高（通常>10kΩ为不良）
bad_electrodes = find(h.Impedance > 10e3);
if ~isempty(bad_electrodes)
    fprintf('警告: 以下通道阻抗过高: ');
    fprintf('%s ', h.Label{bad_electrodes});
    fprintf('\n');
end
```

#### 4. 滤波器信息（Filter）
```matlab
% 查看设备硬件滤波设置
if isfield(h.Filter, 'LowPass')
    fprintf('硬件低通滤波: %.1f Hz\n', h.Filter.LowPass);
end
if isfield(h.Filter, 'HighPass')
    fprintf('硬件高通滤波: %.1f Hz\n', h.Filter.HighPass);
end
```

#### 5. 数据记录时长计算
```matlab
% 计算总记录时长
total_duration = h.NRec * h.Dur;  % 秒
total_minutes = total_duration / 60;
fprintf('总记录时长: %.2f 分钟\n', total_minutes);
```

### 当前脚本实际使用的字段

`load_bciciv2a_data.m` 脚本中**实际使用**的GDF字段：

| 字段 | 用途 | 代码示例 |
|------|------|----------|
| `s` | 信号数据矩阵 | `data_EEG_sync = s'` |
| `h.SampleRate` | 采样率 | `Fs = h.SampleRate` |
| `h.NS` | 通道数 | `num_channels = h.NS` |
| `h.Label` | 通道名称 | `Channelnames = h.Label` |
| `h.EVENT.POS` | 事件位置 | `event_pos = h.EVENT.POS` |
| `h.EVENT.TYPE` | 事件类型 | `event_typ = h.EVENT.TYPE` |

**说明**：当前脚本通过解析 `EVENT.TYPE` 中的事件代码（769/770/771/772）来识别4类运动想象任务。

---

### 当前脚本未使用但可利用的字段

以下BCIC特有字段**存在但未使用**，可以简化代码：

| 字段 | 说明 | 优化建议 |
|------|------|----------|
| `h.Classlabel` | 试次类别标签 [288×1] | 直接获取类别，无需解析EVENT.TYPE |
| `h.TRIG` | 触发位置 [288×1] | 直接作为triggers使用 |
| `h.ArtifactSelection` | 伪迹标记 [288×1] | 自动排除坏试次 |
| `h.CHANTYP` | 通道类型 'E'/'O' | 快速分离EEG/EOG通道 |

---

### BCIC IV 2a特有字段的应用

#### 6. 使用Classlabel进行条件分组
```matlab
% 根据类别标签分组试次
% 1=左手, 2=右手, 3=双脚, 4=舌头
left_hand_trials = find(h.Classlabel == 1);
right_hand_trials = find(h.Classlabel == 2);
feet_trials = find(h.Classlabel == 3);
tongue_trials = find(h.Classlabel == 4);

fprintf('左手试次: %d\n', length(left_hand_trials));
fprintf('右手试次: %d\n', length(right_hand_trials));
fprintf('双脚试次: %d\n', length(feet_trials));
fprintf('舌头试次: %d\n', length(tongue_trials));
```

#### 7. 伪迹试次筛选（ArtifactSelection）
```matlab
% 排除有伪迹的试次
clean_trials = find(~h.ArtifactSelection);
artifact_trials = find(h.ArtifactSelection);

fprintf('干净试次: %d\n', length(clean_trials));
fprintf('伪迹试次: %d\n', length(artifact_trials));

% 只使用干净试次进行分析
valid_classlabels = h.Classlabel(clean_trials);
```

#### 8. 通道类型分离（CHANTYP）
```matlab
% 分离EEG通道和EOG通道
eeg_channels = find(h.CHANTYP == 'E');  % 22个EEG通道
eog_channels = find(h.CHANTYP == 'O');  % 3个EOG通道

fprintf('EEG通道数: %d\n', length(eeg_channels));
fprintf('EOG通道数: %d\n', length(eog_channels));

% 提取EEG数据（不含EOG）
eeg_data_only = data_EEG_sync(eeg_channels, :);
```

#### 9. 使用TRIG获取触发位置
```matlab
% TRIG与EVENT.POS通常对应，但TRIG更简洁
trigger_positions = h.TRIG;  % 288个试次的触发位置

% 结合Classlabel和TRIG提取特定条件的epoch
left_hand_triggers = h.TRIG(h.Classlabel == 1);
```

---

## �� 快速开始

### 环境要求

- **MATLAB** R2018b或更高版本
- **必需工具箱：**
  - Signal Processing Toolbox
  - Statistics and Machine Learning Toolbox
- **推荐工具箱：**
  - BIOSIG（用于读取GDF文件）
  - EEGLAB（用于高级EEG处理）

### BIOSIG工具箱安装

1. 下载BIOSIG：https://biosig.sourceforge.net/
2. 解压到MATLAB工具箱目录，如：`D:\Program Files\MatlabR2025b\toolbox\biosig4octmat-3.8.5`
3. 在MATLAB中添加路径：
```matlab
addpath('D:\Program Files\MatlabR2025b\toolbox\biosig4octmat-3.8.5\biosig');
addpath('D:\Program Files\MatlabR2025b\toolbox\biosig4octmat-3.8.5\biosig\t200_FileAccess');
savepath;
```

### 运行主脚本

1. **准备数据**：将BCIC IV 2a数据放在 `E:\EEG\BCICIV_2a` 文件夹
2. **打开MATLAB**，切换到项目目录
3. **运行命令**：
```matlab
eeg_course_script_master_updated_with_TF_methods
```

---

## 📜 主脚本详细介绍

### 脚本结构

`eeg_course_script_master_updated_with_TF_methods.m` 包含以下主要模块：

#### 1. 数据加载模块（第1节）

**功能**：支持多种数据源的自动检测和加载

**支持的数据源（按优先级）：**
1. **自定义设备数据** - 通过 `load_my_device_data.m` 加载
2. **BCIC IV 2a数据** - 通过 `load_bciciv2a_data.m` 加载
3. **PhysioNet EDF数据** - 通过 `load_physionet_data.m` 加载
4. **MAT文件数据** - 直接加载 `.mat` 文件
5. **模拟数据** - 自动生成测试数据

**关键输出变量：**
- `data_EEG_sync`：EEG数据矩阵（通道 × 时间）
- `triggers`：事件标记位置
- `Fs`：采样率（Hz）
- `Channelnames`：通道名称
- `EEG`：EEGLAB格式结构体
- `trial_info`：试次信息（条件、标签等）

#### 2. 数据探索模块（第2节）

**功能**：可视化原始数据，了解数据特征

**生成的图形：**
- **Figure 1**：原始EEG信号（多通道）
- **Figure 2**：事件标记分布
- **Figure 3**：数据质量概览

#### 3. 数据预处理模块（第3节）

**功能**：滤波、重参考、降采样等预处理操作

**处理步骤：**
1. **高通滤波**（0.5-1 Hz）：去除基线漂移
2. **低通滤波**（40-100 Hz）：去除高频噪声
3. **陷波滤波**（50/60 Hz）：去除工频干扰
4. **重参考**：可选择平均重参考或特定电极重参考
5. **降采样**（可选）：降低计算量

**生成的图形：**
- **Figure 4-6**：滤波前后对比、频谱分析

#### 4. 事件相关分析模块（第4节）

**功能**：根据事件标记分段，提取Epoch

**关键参数：**
- `epoch_time`：分段时间窗口（如 [-0.2, 1] 秒）
- `baseline_time`：基线校正时间（如 [-0.2, 0] 秒）

**生成的图形：**
- **Figure 7-10**：单试次波形、ERP平均波形

#### 5. 时频分析模块（第5节）

**功能**：使用Morlet小波进行时频分解

**分析方法：**
- **连续小波变换（CWT）**：高时间分辨率
- **短时傅里叶变换（STFT）**：高频率分辨率
- **功率谱密度（PSD）**：Welch方法

**生成的图形：**
- **Figure 11-15**：时频图、功率谱、ERSP（事件相关谱扰动）

#### 6. 空间分析模块（第6节）

**功能**：地形图（Topography）和通道间分析

**生成的图形：**
- **Figure 16-18**：
  - 头皮地形图（特定时间点和频率）
  - 通道相关性矩阵
  - 空间滤波结果

#### 7. 统计分析模块（第7节）

**功能**：条件间比较和显著性检验

**分析方法：**
- **t检验**：配对样本t检验
- **置换检验**：非参数统计
- **多重比较校正**：FDR或Bonferroni校正

**生成的图形：**
- **Figure 19-20**：差异波形、显著性标记

#### 8. 分类分析模块（第8节）

**功能**：基于EEG特征的模式分类

**分类器：**
- **SVM**（支持向量机）
- **LDA**（线性判别分析）
- **CNN**（卷积神经网络，可选）

**特征提取：**
- 时域特征：均值、方差、峰度
- 频域特征：功率谱特征
- 时频特征：小波系数

**生成的图形：**
- **Figure 21-23**：分类准确率、混淆矩阵、特征重要性

#### 9. 高级分析模块（第9-15节）

**功能**：更高级的EEG分析方法

**包括：**
- **带通滤波和包络分析**（第15节）
- **多通道联合分析**
- **连接性分析**（相干性、相位同步）
- **微状态分析**（可选）

**生成的图形：**
- **Figure 24+**：带通滤波信号、包络、频谱图

---

## 🔧 自定义设备数据接入

#### ⚠️ 重要区别：GDF数据 vs 自定义数据

| 数据类型 | 包含信息 | 使用方式 |
|----------|----------|----------|
| **GDF文件** (BCIC IV 2a) | 完整的元数据（20+字段） | `sload()` 自动读取所有信息 |
| **自定义数据** | 通常只有数据矩阵 | 需要手动设置采样率、通道名等 |

**GDF文件包含的字段：**
- `h.SampleRate`, `h.Label`, `h.EVENT.POS/TYP`, `h.Classlabel`, `h.TRIG` 等

**自定义数据需要手动定义：**
- 【必需】`data_EEG_sync` (数据矩阵), `Fs` (采样率)
- 【推荐】`Channelnames` (通道名称), `triggers` (事件位置)
- 【可选】`trial_info` (试次信息)

### 创建数据加载函数

1. **复制模板**：`load_my_device_data.m` 已提供模板
2. **修改加载代码**：根据设备数据格式选择对应代码段
3. **设置参数**：采样率、通道数、通道名称

### 支持的数据格式

| 格式 | 扩展名 | 加载方法 |
|------|--------|----------|
| EDF | `.edf` | `edfread()` 或 `pop_biosig()` |
| BDF | `.bdf` | `pop_biosig()` |
| GDF | `.gdf` | `sload()` 或 `pop_biosig()` |
| MAT | `.mat` | `load()` |
| CSV | `.csv` | `csvread()` 或 `readmatrix()` |
| 自定义 | 任意 | 根据厂商SDK编写 |

### 主脚本配置

修改 `eeg_course_script_master_updated_with_TF_methods.m` 第28-29行：
```matlab
my_data_path = 'E:\EEG\MyData';   % 您的数据文件夹
my_data_file = 'subject01.edf';   % 您的数据文件名
```

---

## 📈 输出结果

### 生成的图形

脚本会生成20+个Figure，涵盖：
- 原始数据可视化
- 预处理效果对比
- ERP波形
- 时频分析
- 空间分布
- 统计检验结果
- 分类性能

### 保存的数据

运行结束后，工作区包含：
- 预处理后的数据
- ERP平均波形
- 时频分析结果
- 分类模型（如训练了分类器）

---

## 🐛 故障排除

### 常见问题

**Q1: 提示 "BIOSIG工具箱未找到"**
- 确保BIOSIG已安装并添加到MATLAB路径
- 参考上面的安装步骤

**Q2: 数据加载失败**
- 检查文件路径是否正确
- 确认数据文件格式与加载函数匹配

**Q3: 内存不足错误**
- 减少同时处理的试次数
- 降低采样率或通道数
- 使用64位MATLAB

**Q4: 图形显示异常**
- 更新MATLAB到最新版本
- 检查显卡驱动

---

## 📚 参考资源

- **BCIC IV 2a数据集**：http://www.bbci.de/competition/iv/desc_2a.html
- **BIOSIG工具箱**：https://biosig.sourceforge.net/
- **EEGLAB**：https://sccn.ucsd.edu/eeglab/
- **FieldTrip**：https://www.fieldtriptoolbox.org/

---

## 📝 更新日志

- **2026-03-31**：添加BCIC IV 2a数据集支持，完善数据加载模块
- **2026-03-30**：添加自定义设备数据接入功能
- **2026-03-29**：优化频谱分析和可视化
- **2026-03-28**：添加详细注释和文档

---

## 👥 作者和贡献

- **原始脚本**：Franz Hell (2015)
- **修改和扩展**：AI Assistant (2026)
- **数据集**：BCIC IV 2a (TU Graz)

---

**提示**：脚本全程带有详细中文注释，可直接运行。如有问题，请参考代码中的注释或联系维护者。