基于Matlab的脑电信号处理系统设计与实现：GUI界面、时频域分析、预处理与分解-编程阁

脑电信号处理系统设计 matlab实现包含可运行代码+gui界面+报告+ppt 是自己设计实现一个简单的脑电信号处理系统，实际处理功能很有限！不可以用于数据处理工作！！数据处理请自行下载eeglab。这只是一个做着玩的小项目，体验理解多于功能完善。功能：设计gui界面实现选择输入一段脑电信号，对信号进行显示、时频域分析、预处理、分解预处理包含50Hz陷波、软阈值小波去噪、低通滤波分解指设计滤波器将信号分解为Theta,Alpha,Beta,Gamma,Delta波，并可绘制其相应的频域图像时频域分析采用Wigner-Ville和伪Wigner-Ville时频分布图 gui界面可选择导入信号和对信号的哪一段数据进行处理，可进行图像保存此代码适用于矩阵形式为64导联*1200ms脑电*段数的数据。形式不同的数据需要改变第一段数据读取显示的代码，其余代码无需改变。会提供四段符合的数据便于演示

一、项目背景

脑电（EEG）信号具备非平稳、微伏级、高噪声等特点，传统命令行分析门槛高、可视化差。为便于教学与科研快速上手，团队基于 MATLAB/GUIDE 开发了一套图形化脑电信号处理演示系统。该系统以.mat格式标准电极阵列数据为输入，通过“主控面板 + 三级功能舱”的交互方式，完成数据导入、预处理、频段分解、时频分析与结果导出，全程无需编写脚本，点击即可复现完整流程。

二、总体架构

1. 模块划分

guia– 主控/导航面板
guib– 信号预览 & 预处理舱
guic– 频段分解舱
guid– 时频分析舱
xiaobo– 小波软阈值去噪内核

2. 数据流

原始 .mat → guib(可视化/预处理) → 全局变量 → guic(滤波分解) → guid(时频分布) → 本地图片

3. 全局句柄与数据

eeg1– 三维矩阵（导联 × 采样点 × 试次）
img_correct– 当前试次的平均波形
Q– 预处理后的干净信号
y1…y5– 各子频带（β, α, θ, δ, γ）结果

三、核心功能说明

3.1 一键导入与多试次切换

支持标准*.mat文件对话框选取；自动识别 64 导联、1 024 Hz 采样率、1 200 ms 时长。
提供 5 个单选按钮，动态切换试次 1-5；内部循环累加 64 通道，即时刷新axes1的“平均波形”。

3.2 在线 FFT 与三谱显示

在axes2/3/4依次绘制幅度谱、相位谱、功率谱；自动限定 0-510 Hz 显示范围，便于观察 50 Hz 工频干扰。

3.3 三级预处理链路

50 Hz 陷波器– IIR 二阶，零极点距 β=0.96，深度压制工频。
小波软阈值去噪– 调用xiaobo()，默认sym4二层分解，自动估计无偏似然阈值，兼顾平滑与峰值保持。
30 Hz 巴特沃斯低通– 四阶零相移filtfilt，抑制肌电与高频伪迹。

说明：三步既可顺序执行，也可独立旁路，方便教学对比。

3.4 子频带 FIR 分解

采用窗函数法设计线性相位 FIR，通带划分为
β(14-30 Hz) / α(8-13 Hz) / θ(4-8 Hz) / δ(0.5-4 Hz) / γ(30-60 Hz)。
实时刷新滤波器幅频/相频曲线，与椭圆滤波器横向对比，验证 FIR 在通带平坦度与群延迟方面的优势。

3.5 时频分析舱

支持 Wigner-Ville 与伪 Wigner-Ville 分布，可直观看到事件相关同步/去同步（ERS/ERD）随时间扩散现象。
通过contour在axes2/3绘制时间-频率能量密度，颜色映射归一化，便于论文直接截图。

3.6 结果快照与批量导出

所有坐标区均支持“一键保存”对话框，后台利用copyobj将句柄复制到隐藏 Figure，调用print –djpeg生成 300 dpi 图片，保证出版级清晰度。

四、关键技术实现要点

4.1 陷波器参数自整定

f0 = 50; beta = 0.96; w = 2*cos(2*pi*f0/fs); b = [1 -2*w 1]; a = [1 -2*w*beta beta^2];

极点向原点收缩距离 β 决定阻带宽度；β 越接近 1 凹陷越窄，但对基频漂移容忍度降低，0.96 为 1 024 Hz 采样下的经验折中值。

4.2 小波阈值自适应

ddencmp('den','wv',x)基于 Birgé-Massart 无偏估计策略，自动给出层相关阈值；wdencmp('gbl',...)全局软阈值模式，可最大限度保留认知 ERP 早期成分。

4.3 FIR 带通“分而治之”

采用窗函数法，凯塞窗 β=0.1102*(As-8.7) 使旁瓣衰减 ≥ 50 dB；阶数 M = ceil(6.6π/Δω) 保证过渡带锐度。滤波后通过filtfilt实现零相移，避免群延迟导致成分错位。

4.4 多界面数据共享

跨 GUI 传输采用global + guidata混合模式；关闭子窗时仅隐藏不删除，防止句柄失效。后续可升级为setappdata/getappdata或.mat临时文件，降低内存耦合度。

五、运行环境

MATLAB R2018a 及以上（依赖 Signal Processing Toolbox + Wavelet Toolbox + Time-Frequency Toolbox）
最低 4 GB RAM，推荐 SSD（单次读取 ~ 30 MB 三维矩阵）

六、已知局限与优化方向

全局变量耦合：多线程连续操作可能触发句柄失效，计划改为appdesigner的私有属性或UserData。
时频算法单一：目前仅 WV 分布，交叉项干扰大；后续引入 Morlet 小波变换或 HHT，提高时频聚集度。
滤波器组固定：考虑升级为“自适应频带”分割，根据个体 α 峰值自动校正通带边界。
批处理缺失：当前为单文件演示，下一步增加uigetfile('MultiSelect','on')实现队列批量分析。

七、结语

本套 GUI 系统将脑电信号处理流程“黑盒化”，用户无需关心脚本细节即可完成专业级分析。代码遵循“高内聚-低耦合”原则，模块接口清晰，方便后续课程二次开发或嵌入更大规模的 BCI 框架。通过可视化、交互式对比，显著降低了脑电数据分析门槛，为认知神经科学实验与临床诊断提供了高效、可复用的教学与科研工具。