（3）去除眼电、肌电伪差
查阅相关文献资料
[10-14]
，本实验采用两种去除伪差的方法：协方差法和小波去噪法。
协方差法借助脑电数据中提供的参考导联水平眼电（HEO）和垂直眼电(VEO)数据，
首先寻找眼电的最大绝对值，以超过最大值的 10%来定义眼电伪迹，然后根据协方差法，
如下公式（2.2—1），来估计眼电导联的数据和其它脑电导联数据之间的传递系数 b，
其中 cov 表示协方差（covariance）， var 表示方差（variance）。
最后，根据传递系数 b 对受眼电影响的脑电数据进行校正，及从采集的脑电信号中
减去眼电数据与权重的乘积，如下公式（2.2—2）所示：
小波阀值去噪的基本思想是将信号通过小波变换（采用 Mallat算法，如下公式 2.2—3
所示）后，产生的小波系数含有信号的重要信息，将纯净信号经小波分解后小波系数较
大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个
合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则
认为是噪声产生的，置为零从而达到去噪的目的。
其中近似分量 A 中含有信号的低频信息，而细节分量 D 中包含信号的高频信息。
在本实验中，借助 MATLAB 的 Wavelet Analyzer Toolbox 对脑电数据进行 5 层 Marr
小波分解，然后借助工具箱的去噪功能，对不同实验数据选择不同的阈值来对伪迹去除。
2.3 工作记忆特征频段提取
脑电信号按照频率可划分为以下 5 个频段：δ（0～4Hz）， θ（4～8Hz）， α（8～13Hz），
β（13～30Hz）， γ（30～50Hz），不同频段的脑电能量能够反映出不同的脑电信息。
对于预处理之后的数据，应用傅里叶变换计算每一次实验延迟阶段 32 通道脑电数
据的频谱，提取每一通道在不同频段的能量，并将其在频带范围内平均。计算 4 例受试
者共 40 次实验的傅里叶变换结果，将每一次实验同一频段下 32 通道的能量平均，计算
每一个频段占总能量的比例，并将最高能量的频段与其它频段之间两两进行配对 t 检验，
确定工作记忆 EEGs 的主要频段。
配对 t 检验借助 MATLAB 中的 ttest 函数，格式为[H,P]=ttest(A,B)，输入为 A,B 两
个频段的各 40 个值，输出为 H 和 P，置信区间设置为 0.05。当 H=0 时，说明在 5%的
置信度下 A 和 B 来自同一个分布；当 H=1 时，说明在 5%的置信度下 A 和 B 来自不同
的分布，即 A 与 B 之间有区分度，区分度的大小以 P 来衡量，一般以 P < 0.05 为有统
计学差异，P<0.01 为有显著统计学差异，P<0.001 为有极其显著的统计学差异。
