脑电信号的信号转噪声
信噪比是多少?十大网赌网址新世纪为什么要关心它?
脑电图(EEG)是神经营销研究中观察大脑活动的关键技术之一. 与其他方法相比, 它是精确的:测量大脑状态在千分之一秒内发生的变化, 字面意思是“以思维的速度”. 它也相对较低 成本高，使用方便. 然而，脑电图的使用并非完全没有一定的障碍. 信噪比(SNR)是脑电图数据采集和分析中最重要的方法挑战之一. 这篇文章提供了一个简短的信噪比入门:它从何而来, 为什么这很重要, 如何减少, 以及买家需要知道什么才能理解信噪比在他们的研究中是如何处理的
阅读时间:10分钟
录音
什么是信噪比? 最好的解释是，它是“你想在分析中测量的所有东西”与“脑电图信号接收到的所有东西”之间的比率.“这种噪声是一个问题，因为脑电图信号中有两个主要的噪音源. 第一种是来自大脑外部的一般背景噪音. 第二种是源于十大网赌网址新世纪大脑内部的自然噪音，因为十大网赌网址新世纪的大脑总是同时忙着做很多事情, 不要只关注十大网赌网址新世纪中你想关注的某一方面. 所有这些活动都会污染脑电图信号.
污染噪声的来源
让十大网赌网址新世纪先来看看外部噪声. 脑电图技术的挑战之一是大脑产生的电活动非常微小, 在百万分之一伏的数量级上. 因此, 头皮记录的电活动是由真实的大脑信号和大量由身体其他部位产生的噪音(称为伪噪声)混合而成的, 比如心脏活动, 眼球运动和眨眼, 其他面部肌肉运动, 等.大脑产生的电信号大约是大脑产生的电信号的100倍. 因此，任何脑电图数据分析的初始任务都是去除伪影, 它包括将这些其他信号与大脑自身发出的信号分开.
外部噪声的另一个来源是记录脑电图数据的环境. 这种环境噪声最常见的来源是任何有电线的房间的环境电流, 50赫兹或60赫兹(根据您所在的国家而定, 以及任何其他靠近EEG传感器的电气设备. 这些信号通常使用陷波滤波器从脑电图记录中去除，该滤波器消除了特定频率的信号.
内部噪声比较棘手. 这是因为十大网赌网址新世纪的大脑每时每刻都在进行许多不同的活动, 这些活动中的每一个都会产生电活动，并与头皮上的脑电图传感器接收到的整体信号混合在一起. 由于活动总是在整个大脑中进行，这一事实使问题变得复杂, 在头皮附近的皮层表面和大脑深处的结构中都有, 通过很多不同的方式到达头皮. 在给定的研究中，将所有这些信号分离出来，集中在一个特定的感兴趣的信号上是一个主要的挑战，通常是通过控制重复和平均的原则来解决的.
为什么这很重要?
如果脑电图分析中的信号没有正确地与周围的噪声(包括外部和内部噪声)分离，结果很可能是不正确的，并具有高度的误导性. 这似乎是一种特殊的反应, 但如果你没有明确地修正信噪比, 这种回答基本上毫无意义.
提高信噪比
控制信噪比的措施包括两种类型:消除外部噪声源和从感兴趣的信号中分离内部噪声. 如果可能的话，应对外部噪音的最好方法就是在一开始就避免它. 消除设备噪音, 最好使用高质量的设备和电极(例如, 大多数干电极都是无用的，因为它们对外部噪声非常敏感)，可以去除任何电磁噪音源, 比如电缆, 手机, 笔记本电脑, 电脑显示器, 等. 从录音区. 与消除受试者自己产生的噪音相比，这是相对容易的. 要求参与者静坐是一种常见的做法, 但要阻止所有眨眼或面部肌肉运动基本上是不可能的.
这个问题通常由智能实验协议解决, 哪一种可以通过让参与者专注于手头的任务来减少大脑内部噪音, 同时还提供频繁的休息，让参与者可以在实验任务之间定期扭动和眨眼. 训练有素的脑电图技术人员也可以帮助使参与者感到舒适，并创造一个放松的环境, 专业的数据收集氛围.
在记录完数据之后, 这就是所谓的后处理, 先进的统计算法通常用于识别和去除与主题相关的噪声，如运动伪影, 眨眼和肌肉紧张的原始脑电图信号. 例如, 机器十大网赌网址新世纪算法可以识别与外部或内部噪声相关的信号模式，并将这些信号从感兴趣的大脑信号中分离出来. 一组被称为盲信号分离(BSS)算法的统计技术通常用于执行这项任务, 通常直接内置到脑电图分析软件中, 既有商业的，也有开源的. 通常这些技术都伴随着手工清洗, 在此期间，脑电图专家通过视觉检查信号，并手工去除伪影和噪声部分.
ERP:平均结果
处理内部噪声的主要技术是重复和平均. 这可以用脑电图分析的一个子类——事件相关电位(ERP)分析来最好地说明, 这是许多神经营销脑电图研究中使用的一种非常常见的方法. ERP是脑电图中的一个信号，它揭示了信息是如何在大脑中被处理的. 该信号可以通过对事件发生时的脑电图记录进行时间锁定来获得, 说一个词或图像的呈现.
重复和平均被用于ERP研究，以分离感兴趣的信号从其他大脑活动的噪音. 潜在的假设是，由刺激事件触发的信号将在多次试验中保持相对恒定, 而所有其他信号将在试验中随机出现. 因此, 如果你将一个或多个人反复暴露在相同刺激事件下的多次试验平均, 信号将继续突出，因为它不是随机分布的, 但是噪音会趋于平均为零, 因此，实际上从平均值中消失，让你想要研究的信号在所有荣耀中脱颖而出.
如果你确信样本中的所有人都是相似的, 你可以把他们各自的平均值加在一起，得出所谓的大平均. 这就是通常在使用ERP技术的学术文章中报道的内容.
SNR:神经营销买家应该知道的
以下是客户可以也应该问的一些问题，以更好地理解他们的神经营销供应商是如何解决信噪比问题的.
1. 在我的研究中，伪影校正和“数据清理”使用了什么程序? 许多程序都是可用的, 你的供应商应该能够描述一个详细的“预处理链”，用于发现和去除原始EEG数据中的噪声伪影.
2. 使用什么程序来评估所获得结果的统计意义? 仅仅提出结果是不够的, 重要的是要说明观测结果与由于随机噪声和偶然性而产生的随机波动可能产生的结果之间的“距离”.
3. 你的程序可以通过引用已发表的论文来证实吗? 如果任何供应商声称拥有“专有算法”而不是基于已发表的研究，请保持怀疑. 在这个领域，数千名研究人员在数千个实验室中进行了数十年的研究, 商业供应商不太可能发现该领域其他所有人都没有发现的全新东西.
使用的术语和缩写
脑电图, 通过放置在头皮上的电极来测量大脑持续的电活动
ERP = event related potential; a signal within the EEG which reveals more information about information processing in the brain. 该信号可以通过将脑电图记录锁定到事件发生的时间来获得
SNR = signal-to-noise ratio; the ratio between “what you would like to measure” and “all the other things”
人工校正=部分自动和部分手动的过程，将大脑信号从可能出现在电记录中的其他信号中分离出来
Machine learning algorithms = a branch of artificial intelligence that studies the construction and study of systems that can learn from data; essential tools for classification.
参考文献
本文简要介绍了脑电图中的信噪比问题, 没有太多的技术细节. 如果你想了解更多，请参考以下资源:
Bang J W, 蔡俊生, Park K R(2013)使用脑电图信号和正面观看摄像机图像降低脑电波噪声. 传感器13:6272 - 6294.
刘志强，李志强(2000)脑电图中眼部伪影的去除研究进展. Neurophysiologie 倩碧 30(1):5-19.
Delorme A, Makeig S (2004) EEGLAB:用于分析单次试验脑电图动态的开源工具箱. 神经科学方法杂志134:9-21.
李文杰，李志强，李志强(2007)基于神经网络的脑电信号伪影剔除算法 高阶 统计和独立成分分析. 神经影像34(4):1443-1449.
Dien J (2010) ERP PCA工具包:用于高级统计分析的开源程序 eventrelated 潜在的数据. 神经科学杂志187(1):138-145.
戈登霍尔兹D, Ahlfors P Hämäläinen M A, 莎朗·D, Ishitobi米, Vaina L M, (2009)脑磁图和脑电图中皮层源的信噪比绘制. 人脑图谱30:1077-1086.
Krishnaveni V, Jayaraman年代, Gunasekaran一, Ramadoss K(2006)使用JADE算法和神经网络自动去除眼部伪影. 国际生物与生命科学杂志2(1):10-21.
李Y, 马Z, 陆W, 李Y(2006)利用基于ica的模板匹配方法自动去除脑电图中的眨眼伪影. 生理测量27(4):425-36.
Luck S(2005)事件相关势技术简介. 剑桥麻省理工出版社.
Olkkonen H, Pesola P, 奥尔科宁J, Valjakka一, Tuomisto L(2002)基于小波分解的子空间脑电信号噪声消除方法. 医学科学监测8(11):MT199-204.
Repovš G(2010)脑电图记录和数据分析中的噪声处理. Informatica》 Slovenica 15(1):18-25.
这篇文章(文本和图片内容)受版权保护. 仅供教学之用. 更多信息:神经营销科学 & 商业协会.