我有很多混合文件，从这些文件中我想保留与EEG录音相对应的文件。
问题在于某些EEG文件应该以2、4、5和6通道记录，并且还有其他数据（未知类型）也具有相同数量的通道（我已经过滤了这些数据）没有这些数量的渠道）。当然，有成千上万个文件，因此手动检查并不是一种选择。
那么，是否有某种度量标准或算法可以帮助我区分非EEG信号和EEG信号？如果可能，请使用MATLAB。
答案 0 :(得分：1)
您可以先尝试比较每个通道相对于已知良好通道的统计数据，例如均值，std和峰度。由于文件很多，您可能希望在几个地方进行可能的匹配示例（例如，比较1-3秒并说7-9秒），然后获得匹配的可能性。有趣的问题！
答案 1 :(得分：1)
这实际上不是MATLAB问题，但是...
其他录音中（可能）有什么？也许将它们过滤掉要比专门识别脑电图容易。
我不知道任何可以识别EEG记录的指标或算法。一个问题是，EEG记录中经常会包含不同程度的伪像，例如肌肉活动，线路噪音以及室内的任何其他电磁干扰，这些都会使记录对皮层活动没有特异性。
频谱可能是一种有意义的措施。皮层活动通常会朝着40 Hz的方向逐渐减弱功率，并且之前往往会出现一些峰值。例如，根据EEG电极的位置和所执行的任务，alpha波段（约10 Hz）中的峰值可能会很明显。这是假定文物几乎没有干扰。
另外，信号的振幅可能值得关注。
也许您可以采取多种措施和统计属性（例如，不同频带中的功率，方差，漂移/斜率，幅度等），并使用（例如） t-SNE，并假设您得到明显可分离的群集，请手动从每个群集中识别出一些样本，以找出哪个是EEG群集。