事件相关电位（ERP）基础教程：从脑电原理到Emotiv实战

ERP包含多个峰值。 每个峰值都有潜伏期 ERP信号是多个源信号的叠加，P300只能说明叠加的时间在P3是比较重要的。 因此有如下规则： 规则1：峰值和组件不是一回事。 观察到的波形达到局部最大值的点没有什么特别之处。 规则2：不可能通过观察单个 ERP 波形来估计潜在 ERP 组件的时间过程或峰值延迟 - 波形的局部部分的形状与基础组件之间可能没有明显关系。 规则3：特定峰值期间的效果可能不反映基础组件的调制 ...

锁相和锁时中的锁，代表的意思是在一个固定的刺激下，能够以一个稳定的状态发生，是有相关性的相是指的相位，即这个刺激过后，基于基线的方向是一致的；时是时间，即这个刺激后，发生变化的时间是固定的下图展示的是evoked（诱发）和induced（诱导）之间的区别，实际上可以看出来，evoked产生的时间完全相同，并且也是锁相的。

脑电理论基础

使用EEGLAB分析脑电数据，情绪图片的ERP成分分析，超级详细，从头到尾，ERP分析看这一篇就够了（小菜狗的絮絮叨叨） 一共分为6组图片，每张图片出现2s后有0.5s的间隔，每组图片中有20s间隔。在图片出现2s后，出现打分标记。其中201代表用户输入1，表示讨厌；202代表用户输入2，表示中性；203代表用户输入3，表示喜欢。 获取数据后，对数据进行电极定位、设置重参考、滤波等预处理，进行ICA独立成分分析，之后叠加平均，分别分析枕叶、顶叶和颞叶部位的脑电成分，选取O1、O2、T7、T8、P3、P4电

脑电测量方法：脑电是一种低空间分辨率的大脑活动测量方法，具有较低的信噪比，原始形式不适用于测量大多数与特定事件或任务相关的神经活动。事件相关响应：通过平均技术可以从连续的EEG数据中提取与刺激有关的锁时的事件相关响应（ERP）。锁相的事件相关响应容易观测，而非锁相的响应（ERO）则难以观测。ERP与ERO的区别：ERP是与刺激开始时刻相位锁定的事件相关响应，而ERO是非锁相响应，表现为EEG活动特定频率的变化，可能表现为事件相关同步化（ERS）或去同步化（ERD）。ERP的产生模型。

本文为事件相关电位（ERP）研究提供了从实验设计到数据分析的完整实战指南。详细介绍了如何利用Emotiv设备进行数据采集，并通过经典的听觉Oddball范式诱发P300等关键成分。内容涵盖实验设计、LSL时间同步、EEGLAB/MNE数据处理流程及结果解读，旨在帮助研究者快速掌握ERP核心技术，应用于认知神经科学、临床研究与脑机接口等领域。

本文详细介绍了如何利用PsychoPy、EmotivPRO和Lab Streaming Layer (LSL)构建高精度脑电实验流程，重点解决ERP研究中毫秒级刺激标记同步的难题。通过分析系统延迟构成、配置LSL同步核心，并提供了低成本的光耦验证方案，确保时间同步精度，从而获得可靠的事件相关电位数据。

本文详细介绍了如何使用Emotiv EPOC Flex 32导脑电仪捕捉P300成分，包括实验设计、设备配置、数据同步、处理及可视化等全流程。通过Python代码示例和实战技巧，帮助研究人员高效完成ERP实验，特别适合Oddball范式下的神经科学研究。

本文详细介绍了如何通过PsychoPy与Emotiv设备联用，解决ERP实验中的时间同步难题。从硬件配置优化到LSL同步协议的应用，再到时间精度验证和实验设计陷阱，提供了5个关键步骤的实用指南，帮助研究者在预算有限的情况下实现毫秒级精度的ERP数据采集。

本文详细介绍了如何使用消费级脑电设备Emotiv EPOC Flex完成ERP实验的全流程。内容涵盖设备配置、基于LSL的毫秒级时间同步方案、经典听觉Oddball范式设计，以及利用Python和MNE库从原始数据中提取并分析P300波形的完整数据处理步骤，为研究者提供了一份高性价比、可落地的ERP研究实战指南。

本文详细解析了Emotiv EEG设备的产品线，包括Insight、EPOC X和Flex等型号的硬件参数、电极类型及应用场景，帮助科研人员和开发者根据需求选择最适合的脑机接口设备。特别适合从事认知神经科学研究和脑机接口开发的用户，提供从入门到专业的全面选购指南。

本文为开发者提供了NeuroSky与Emotiv两大主流消费级EEG设备的实战评测与选型指南。通过对比单通道与多通道设备的硬件差异、信号质量及开发体验，深入剖析了它们在专注度监测、运动想象控制等核心场景下的表现，旨在帮助开发者根据预算、用户场景和技术需求，精准匹配最适合的脑机接口解决方案。

脑机接口(BCI)技术通过解码大脑信号实现人机交互，其中事件相关电位(ERP)是关键技术之一。P300作为典型的ERP成分，在刺激后300毫秒左右出现，反映了大脑对重要信息的认知处理。基于P300的拼写系统利用机器学习算法识别用户意图，为运动功能障碍患者提供通信手段。开发此类系统需要掌握脑电信号采集、时序特征提取和分类模型构建等关键技术，常用工具链包括OpenBCI硬件和Python生态中的MNE、scikit-learn等库。在实际应用中，信号质量优化和个性化校准对提升准确率至关重要，典型应用场景包括渐冻

本文详细介绍了如何下载、配置和使用OpenBCI/Emotiv的EEG公开数据，涵盖数据获取、格式识别、环境配置、数据加载、可视化及常见问题排查。通过Python的MNE库和MATLAB的EEGLAB工具箱，帮助初学者快速掌握EEG数据处理技巧，适用于脑电信号分析和研究。

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。 ERP是Event-related Potentials的简称。ERP波形通常用正峰和负峰来描述，并用P1、P2和N1、N2等这样的符号来表示波形的极性与所在时间段或达到峰值的位置，例如，N1表示波形中的第一个负峰，P2表示第二个正峰。但要注意的是相同的符号不等同于任何功能上的相关。以下简要介绍了经典的ERP成分，旨在为对认知神经心理学研究感兴趣的小伙伴提供参考。 视觉感官反应 C1：通常起始于刺激后40-60ms，在80-100ms达到峰

事件相关电位（ERP）是利用电生理技术，即脑电图（EEG），记录大脑在特定刺激或事件后产生的特定电位变化。ERP技术核心作用在于它能够对神经反应进行精确的时间定位，从而揭示大脑处理信息的即时动态过程。此技术在认知神经科学、心理生理学、临床神经学等领域中极为重要，因其高时间分辨率特性，能够追踪认知过程的毫秒级变化，为理解大脑功能提供了独特视角。

脑电EEG/ERP+神经脑科学、认知脑科学研究推荐必看数目(附带所有书籍高清pdf) 从1929年Hans Berger第一次发表头皮记录的EEG论文，并观察到被试在进行心算时可导致EEG中的α节律的降低，到1939年Hallowell Davis等研究者首次发表关于事件相关电位ERP的论文，再到目前EEG/ERP在脑科学或认知神经科学领域的广泛应用，EEG/ERP技术由于其时间分辨率高、设备价格便宜等优点，已然成为脑科学研究中不可或缺的工具。对于应用EEG/ERP技术用于脑科学研究的入门者，如何少走弯路、