1932年，Dietch将傅里叶变换引入脑电图（EEG）分析中。在此之后一些EEG经典分析方法，频域分析法、时域分析法，包括之后的小波分析、神经网络分析、非线性动力学分析等相继被应用到EEG的研究中。
线性分析法的基本思想为：仍将EEG在某一时间段内当作平稳的信号。以下主要介绍经典的时域分析法、频域分析法和时频分析法。
EEG时域分析法主要是对EEG信号的几何性质进行分析，包括幅度、均值、方差等，并用特定的数学表达式对EEG信号的时间序列进行建模。目前应用比较广泛的是AR（autoregression）模型，可以将EEG信号用AR模型表示出来。
（一）时域分析
时域分析主要是分析经典的ERP成分，如MMN、ERN、N170、P3 family、N400、P600等（见图2-18）。
图2-18 P1、N1、P2、N2、P3
计算完成每个受试者的数据，进行总平均，得出结果，具体过程如图2-19～图2-21所示。
图2-19 ERP数据处理的基本过程
图2-20 叠加平均提高信噪比
图2-21 结果报告
（二）频域分析
频域分析主要是分析δ、θ、α、β等节律的分布域变化（见图2-22）。
频域分析也称谱分析，主要分析EEG信号的某些参数随频率变化的分布情况，如功率谱、位谱、能量谱等，在频谱分析过程中采用离散傅里叶变换FFT（见图2-23、图2-24、图2-25），可以使计算过程更为简单。谱分析技术在EEG信号处理中的地位非常重要，因为EEG信号的很多特征可以反映在频率特征上，功率谱分析可以将幅度与时间的关系估计为功率与频率变化的谱图，从而使人们更加容易观察到EEG频率分布的变化（见图2-26）。
图2-22 常见的EEG波形
(www.xing528.com)
图2-23 傅里叶分解
图2-24 傅里叶变换
图2-25 快速傅里叶变换
图2-26 结果（睁眼闭眼时EEG）
（三）时频分析
ERP只能捕捉到锁时锁相的信息，而时频分析可以捕捉到不锁相的信息。
脑电具有时变、非平稳的特点，每个时刻都含有不同的频率成分，传统的频域、时域方法不能很好地表现出这些心理，需要将时域与频域信息联合起来进行分析。常用的时频方法有短时傅里叶变换（见图2-27、图2-29）、连续小波变换（见图2-28、图2-29）以及Wigner等。
图2-27短时傅里叶变换
事件相关去同步／同步现象。大脑对外部或内部的刺激响应可以反映在脑电图、锁相的事件相关电位（ERP）或非锁相的脑电活动中。ERP现象可以通过叠加平均清晰地呈现出对事件的响应。相反，非相位锁定的脑电活动变化特征会因为叠加平均而消失。感官刺激与运动行为均能改变大脑皮质内的功能连通性，从而产生事件相关去同步（event-related desynchronization，ERD）和事件相关同步（event-related synchronization，ERS）现象。ERD现象是指当大脑某一皮质受到刺激时，特定频带范围的节律性活动的能量衰减过程；而ERS现象则对应特定频带范围内脑电节律能量的上升过程。ERD／ERS现象是一个在时间方向上的持续过程，它只存在锁时关系，不存在锁相关系。
图2-28 小波变换
图2-29 时频变换结果（引自Cohen，2013）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
