企业官网建设流程全解析

把SmartingPro便携式EEG从背包里拿出来时，实验室同事真的问了一句“这是新款游戏耳机吗”。也就是那一刻我意识到，传统脑电采集设备留给人的印象太深了：一顶塞满电极的帽子、一大捆线、一个信号放大器，最好再配一个电磁屏蔽房间。而SmartingPro这类设备要做的，就是把这个印象彻底打散——用蓝牙5.0替代繁琐的线缆，把脑电采集从固定座椅搬到真实场景里。这篇文章不打算做成开箱测评，我想从实际搭建的角度，聊聊便携式EEG在实验里能解决什么问题、蓝牙5.0在数据链路上到底值多少钱，以及当它与fNIRS联合采集平台放在一起时，怎么把时间轴对齐到毫秒级。如果你正在做脑机接口、人因工程、运动康复或者任何需要在移动/自然场景下采集脑电的研究，这篇内容应该能帮你少走不少弯路。

1. 为什么要用便携式EEG：从实验室座椅到真实场景的迁徙

1.1 传统脑电设备的场景限制

过去我用传统放大器做EEG实验，大部分时间都在屏幕前坐着。设备必须固定在一个位置，主机专用于信号采集，屏蔽或安静环境，线缆从帽后垂下来，被试动一下就要担心导联松动。这种模式在“静息态”或“简单认知任务”下没问题，但只要想采集被试在行走、骑行、甚至操作AR设备时的脑电，方案就会崩溃。线缆牵扯、放大器不好携带、同步线更复杂。被试稍微转头，伪迹就很重。

更麻烦的是，传统设备为了压低噪声，通常采用有线连接，这本身就把被试“钉”在了采集系统旁边。如果实验设计需要被试在房间里走动，或者到户外场景去测量，整套设备需要一个移动电源、一台电脑、一个手推车才能搬动。很多研究想法就卡在这一步：不是实验设计不好，而是设备不支持。

1.2 便携EEG解决了哪些实际痛点

便携式EEG的第一步是去掉线缆。但去掉线缆还不够，还需要把放大器做成轻量模块，戴在使用者头上或背包里。SmartingPro这种设备直接把放大器集成在头戴里，32通道、500Hz采样，已经能覆盖绝大多数临床和科研频段。配合蓝牙5.0，它把原始波形送到电脑，而不是像某些单通道消费设备只给一个处理过后的注意力分数。这一点很关键——做科研的人需要原始数据，方便自己重处理。

另一个痛点是佩戴时间。传统湿电极系统准备时间动辄半小时，凝胶干得快，实验一长就要中途补胶。便携系统虽然也要用凝胶，但电极数量和安装方式优化了很多。我实测下来，从测量头围到完成佩戴开始记录，熟练之后十分钟左右能搞定。对被试来说，舒适度也上去了，实验依从性自然好很多。

1.3 SmartingPro在我实验中的定位

我最近在搭建一个运动认知评估方案：被试在跑步机上以中等强度走路或慢跑，同时完成一个注意任务。传统设备没法直接用，所以需要便携EEG。SmartingPro在我这里的位置不是替代高密度大设备，而是补上“可移动、可快速佩戴、可与多模态设备同步”那一环。它属于“新一代创新”的典型：把实验室质量的门槛压到能装进背包的体积里。

当然，便携EEG也不是万能药。如果你需要记录128通道以上的高密度脑电做源定位，或者需要长期记录慢皮层电位，传统设备仍然是更稳的选择。便携设备的优势在于灵活性，而不是绝对信号上限。我自己的判断是：对大多数认知实验、脑机接口原型验证、以及多模态联合采集来说，32通道便携设备已经足够。

1.4 什么人最适合用这类设备

一类是脑机接口开发者，需要在真实场景里验证算法稳定性；一类是人因工程研究员，需要采集驾驶、运动、交互场景下的脑电；还有一类是临床医生，需要在病房或门诊做快速脑功能评估。三类人有一个共同点：都在和设备“移动性”作斗争。SmartingPro这类蓝牙5.0便携设备，正好把移动性这个短板补上了。如果你之前只在实验室环境里做EEG，换到便携设备之后，一定要重新评估伪迹和抗干扰策略，因为场景变化带来的问题完全不一样。

2. 蓝牙5.0这项传输能力，在脑电采集里到底改变了什么

2.1 带宽不是唯一指标：抗干扰与重传机制

很多人看到“蓝牙5.0”第一反应是“速率更快”。这个说法对，但不够。EEG连续流量的实际需求：32通道、500Hz采样、24bit样本，原始速率大约是32 × 500 × 3字节 = 48 kB/s = 384 kbps。加上通道标签、时间戳、CRC校验等协议开销，实际需要稳定吞吐1 Mbps左右。蓝牙4.2 BLE的有效吞吐量通常在200-700kbps之间，刚好卡在边缘；蓝牙5.0的2M PHY把物理层速率翻倍，有效吞吐量轻松超过1Mbps，这才是它能稳定跑32通道连续EEG的关键。

但只谈速率还不够：无线环境下的丢包重传、跳频抗干扰，比峰值速率更影响实验。蓝牙5.0在低速率模式下增加了编码增益，灵敏度更高，同时支持更灵活的数据长度扩展，能让整包数据减少空中占用时间。这些特性组合起来，结果是蓝牙5.0设备在复杂射频环境里表现出明显更少的丢包。我在实验室里对比过同一位置的蓝牙4.x设备和SmartingPro，后者在隔了一堵墙的情况下仍然能保持完整数据流。

2.2 多设备同步：蓝牙5.0如何支撑EEG与fNIRS联合采集

现代多模态实验经常把EEG和fNIRS戴在同一个被试头上。EEG测神经电活动，fNIRS测血氧动力学。如果想研究神经-血管耦合，必须拿到同一个时间轴上的两条数据流。此时蓝牙5.0的意义不只是各自传输，而是它支持更灵活的广播模式，能减小数据包在空中的占用时间，从而降低Wi-Fi等其他信号的碰撞概率。

在实际联合采集平台上，SmartingPro通过BLE发送带设备时钟的数据包，fNIRS设备同样通过LSL推流，最后由LSL层统一打时间戳。相比蓝牙4.x，蓝牙5.0的广播扩展允许更大的广播数据包，可以在一个广播事件里携带更多状态和时间信息，这让系统事件的标记延迟更低。换句话说，蓝牙5.0不只是在传输速率上“够用”，在时间同步精度上也为多模态数据融合提供了更好的基础。

2.3 实用连接调优：这台设备不是贴上去就能稳定跑

很多人在实验室里开机会发现信号断断续续，第一反应是设备坏了。其实大部分问题出在无线链路。我用下来几个关键点：USB蓝牙适配器必须支持5.0，且尽量用延长线引出；连接过程中保持主设备天线与头戴之间没有大面积金属阻挡；周围2.4G设备尽量少，尤其是手机热点。还有一点，部分采集软件显示“RSSI”信号强度，通常要保持-60dBm以上，低于-70dBm就该检查天线角度。

我一般会在正式实验前跑一个10分钟的无线链路测试：让被试戴上设备，在实验场地内走动，同时用一个脚本记录数据包序号。如果丢包率超过0.1%，就要调整蓝牙适配器位置。这个测试看起来简单，但能省下很多事后处理数据的功夫。数据一旦丢包，不是滤波器能补回来的。

3. 上手SmartingPro前要搞清楚的硬件细节

3.1 电极、采样率与通道数怎么选

SmartingPro有不同通道数版本，常见的是24和32通道，我手上这台是32通道版，按10-20系统布局。它的电极是Ag/AgCl烧结电极，采用湿凝胶降低阻抗。如果你主要做基础认知任务，24通道也够；如果要覆盖全脑运动区、额叶和前额叶，32通道更稳妥。采样率500Hz意味着奈奎斯特频率250Hz，足以覆盖EEG的主要频段。有些人会问，为什么不选更高采样率？因为数据量翻倍，无线传输压力更大，500Hz在科研和临床已经够用。

电极类型方面，干电极虽然佩戴更快，但运动伪迹和阻抗波动更明显。我的观点是，在需要科研级数据质量的场景下，湿电极仍然是更可靠的方案。SmartingPro的电极帽结构是柔性基底，比传统电极帽更贴合，也更容易调节电极压力。不过要提醒一句，湿电极的导电凝胶会随着时间变干，超过两小时的长时间实验需要设计中途检查点。

3.2 佩戴流程与阻抗控制

穿戴式EEG最麻烦的就是阻抗控制。佩戴前用卷尺量头围，保证CZ点在正中位置。佩戴时先松开下巴托，像戴泳帽一样把电极帽套上，再把每个电极按压到头皮表面。我习惯用注射器针管在电极孔注入导电凝胶，注射量不宜过多，否则凝胶会在头皮上流动，把相邻通道短接。注入后等一两分钟，让凝胶渗透角质层，再查看阻抗。

便携设备不像传统放大器那样要求所有通道低于5kΩ，一般低于50kΩ就能接受，但超过80kΩ的通道要么补胶，要么调整电极位置。阻抗高的时候，50Hz工频干扰会特别明显，波形看起来像“毛刺”。如果某个通道始终压不下来，看看是不是电极没完全贴住头皮，或者头发太厚挡在电极和头皮之间。必要时可以把该处的头发拨开再压紧电极。

3.3 供电与续航的取舍

蓝牙5.0的低功耗特性确实延长了设备使用时间，但不要指望它能像无线耳机那样用一整天。SmartingPro内置电池，高采样率、32通道连续记录时，官方标称几小时，实际在实验室验证时建议准备好备用电源。我习惯在实验前把设备充满电，并记录开始时间；如果中场休息超过10分钟，我会通过软件暂停数据流，而不是一直开着蓝牙。暂停传输能省不少电，也减少空中射频占用。

续航和采样率是直接相关的。如果你只需要低频段信号，可以降低采样率来省电，但一旦同时需要高频段信息，就不能省。另外一个容易忽略的点是温度：蓝牙长时间满载传输会发热，设备如果被闷在厚重头发里散热不好，可能影响稳定性。实验间隙让被试摘下设备休息一下，对设备对被试都好。

4. EEG与fNIRS联合采集平台的搭建：同步才是核心问题

4.1 为什么需要联合采集平台而不是各自记录

很多初学者会问：EEG和fNIRS各跑各的软件，测试完再根据时间对齐不就好了吗？理论上可以，但实际操作很痛苦：两套系统各自的时钟不同步，即使同时启动，运行20分钟后也可能会漂移几百毫秒。事件标记还需要分别打点，一旦有一路标记丢失，事后对齐就成猜谜。所以需要“联合采集平台”，在统一时钟层面收拢多条数据流。

LSL是目前比较通用的方案，很多EEG和fNIRS设备都提供LSL插件或SDK，没有的话也能通过串口/UDP桥接。把数据统一到LSL之后，不需要关心每台设备自己的采样率，离线分析时一律以中央时间戳为准进行重采样。这避免了“手动对齐”的最大问题：你不知道系统间时钟漂移具体有多大。

4.2 用LSL把时序对齐到毫秒级

LSL的思想很简单：设备或采集程序把带时间戳的数据流推送到一个局域网内；所有的流都由一台中央时钟参考，离线分析时按时间戳重采样。搭建步骤大概是：

1. 打开SmartingPro采集软件，启用LSL输出（或运行官方LSL脚本），让它把EEG数据发布到本地流。
2. 打开fNIRS采集软件，同样启用LSL输出；如果设备不支持，就写一个小桥接程序读取设备数据，用系统时钟打时间戳后推流。
3. 再用一个记录程序（如LabRecorder）同时接收所有流，生成XDF文件。
4. 事件标记通过LabStreamingLayer的Marker流发送，这样marker与EEG共享同一个时钟基准。

特别注意：不要让两台设备各自在自己的软件里保存数据，要统一到XDF里。这样才能保证对齐到毫秒级。如果一台设备不支持LSL，你需要额外写一个采集脚本，用time.time()作为时间戳来源，再通过LSL的StreamOutlet推流。时间戳精度取决于操作系统，Windows下建议用time.perf_counter()配合系统时间基准做转换。

4.3 一个可复用的同步验证流程

搭建完成后必须验证同步精度。我的做法是做一个LED刺激器：USB控制LED亮，LED旁边放一个光电二极管贴片，同时给EEG设备发一个事件marker。EEG记录LED引脚变化（通过辅助通道），fNIRS记录光电二极管信号，marker记录触发事件。离线对比三者的起始时刻：EEG辅助通道的上升沿、fNIRS光电二极管通道的上升沿、marker时间戳。三者的差值应该小于一个EEG采样间隔。

如果差值大于20ms，说明某个环节时间戳不对，优先检查LSL时钟源。我的经验是，大多数同步问题出在“桥接脚本”的时间戳类型上。有人直接用本地系统时间，但系统时钟在不同机器上可能被NTP调整，导致漂移。LSL内部有基于网络时钟同步的算法，只要数据流走LSL协议，就能自动校正大部分偏差。因此尽量优先使用设备的官方LSL插件，而不是自己写桥接。

5. 从原始脑电到光谱熵：预处理和特征计算的完整链路

5.1 光谱熵是什么，它的物理含义

EEG光谱熵是特别热的一个特征，尤其在前额叶监测意识状态、疲劳评估、麻醉深度这些场景。它的思想并不难：把一段EEG信号的功率谱看成一种概率分布，如果某些频率点功率特别突出（比如alpha波很强），功率谱集中，熵就低；如果功率谱在各种频率上分布很平均，类似白噪声，熵就高。所以光谱熵可以理解成“脑电频谱复杂度”的度量。它和样本熵、近似熵不同，不需要在时域嵌入维度，计算量小很多，适合做实时分析。

从生理信号角度理解，清醒状态下alpha活动明显，如果只关注8-13Hz频段，谱熵会偏低；而疲劳或注意力涣散时，alpha节律减弱，频谱能量分散，谱熵升高。所以光谱熵可以作为精神状态切换的敏感指标。当然，它不是万能的，个体差异、电极位置、伪迹都会影响绝对值，所以在实验中我更关注相对变化而非单个数值。

5.2 预处理流程：滤波、去除伪迹、分段

在计算光谱熵前，原始EEG必须先处理干净。我的默认pipeline是：

1. 去均值，去除直流偏置。
2. 带通滤波0.5-45Hz，同时50Hz陷波（如果当地是60Hz电网，用59-61Hz陷波）。
3. 用阈值法剔除振幅超过±150μV的坏段，再结合ICA去除眨眼和眼动。
4. 如果做事件相关分析，按marker分段，每段从刺激前0.5s到刺激后2s。
5. 对每段做去趋势（detrend），消除基线漂移。

便携设备在运动场景里更容易引入头动低频伪迹，我会额外用一个0.5Hz的高通，把运动伪迹压低。但要注意，过低频的慢皮层电位也会被滤掉，这个取舍要根据研究问题来。如果你关心的是delta波和theta波，那么高通截止频率不要设得过高，1Hz左右比较合适。

5.3 计算光谱熵的代码逻辑和参数选择

给一个精简但能直接跑的Python实现。使用scipy.signal.welch计算功率谱密度，然后按香农熵公式计算。参数nperseg默认256，在500Hz采样率下频率分辨率约1.95Hz，适合看1-45Hz频段。还可以限定频段，比如4-30Hz，只计算这个范围内的熵。

import numpy as np from scipy.signal import welch def spectral_entropy(x, fs, nperseg=256, fmin=1, fmax=45): freqs, psd = welch(x, fs=fs, nperseg=nperseg) psd = np.asarray(psd, dtype=np.float64) # 只保留指定频段 mask = (freqs >= fmin) & (freqs <= fmax) psd = psd[mask] # 归一化为概率分布 psd_sum = psd.sum() if psd_sum == 0: return 0.0 p = psd / psd_sum # 香农熵，并做归一化到0-1 se = -np.sum(p * np.log2(p + 1e-12)) se_norm = se / np.log2(len(p)) return se_norm

使用时可以逐通道调用，也可以把多个通道合成一个平均谱再计算。我更推荐逐通道计算后取空间平均，这样能保留通道间的差异性。如果你用滑动窗口做实时分析，窗口长度至少要包含几个完整的alpha周期，一般2秒起步，4秒更稳。窗口太短频率分辨率差，窗口太长则看不到快速变化。

5.4 多通道光谱熵的进一步扩展

光谱熵不只是单个通道的数值。你可以把32个通道的光谱熵画成一张头部地形图，观察不同脑区熵的空间分布；也可以对时间窗做连续滑窗，形成一条“熵随时间变化”的曲线。我尝试过把光谱熵和fNIRS的氧合血红蛋白变化曲线放在一起看，能发现一些有趣的耦合模式，比如认知负荷升高时，前额叶光谱熵下降，同时氧合血红蛋白浓度上升，两者呈现时间上的相关性。

如果你想把光谱熵用于脑机接口或状态监测，建议先离线确定频段范围。不同状态下有效的频段可能不同，不要死守1-45Hz。比如专注力任务里，theta/alpha比值变化更明显，这时候可以把光谱熵计算限定在4-30Hz，或者计算子带内的谱熵。多试几个参数组合，对比分类效果，再决定最终方案。

6. 实际跑实验踩过的坑：丢包、漂移与伪迹

6.1 蓝牙丢包怎么发现和补救

丢包是最常见的坑。表现为波形出现横线跳变、时间戳间隔不规律。我用的办法是在数据流里记录每个数据包的sequence number。如果sequence gap超过预期，就说明丢包了。一旦发现丢包，先检查物理链路：蓝牙dongle是否在USB3.0口旁边？USB3.0对2.4GHz有干扰，用延长线或换USB2.0口。然后检查周围Wi-Fi设备，把2.4G热点关掉。如果还是丢包，看设备是否进入低功耗状态，有些电脑会挂起蓝牙，需要关闭节能选项。

丢包一旦发生，离线处理时可以用插值填补，但这是下策。因为脑电信号的非平稳特性让插值结果不可靠。我的原则是：正式实验前至少跑5分钟链路的压力测试，期间故意让被试转头、下蹲、走动，观察丢包率。如果在测试阶段就有丢包，不要犹豫，先调好环境再开跑。

6.2 运动伪迹和电极移动的区分

运动伪迹比丢包更隐蔽。它的来源是电极与头皮间的微动，导线摆动也会在输入端产生摩擦电。一种简单区分方法：让被试在运动时保持不说话、不咀嚼，观察原始波形；运动伪迹通常表现为低频大幅振荡，且多个通道同步出现；而真正的脑电alpha节律有空间特异性，不会所有通道一起大幅漂移。

为了处理运动伪迹，可以在采集时用另外一个加速度传感器记录头动，之后用线性回归或自适应滤波把运动相关成分从EEG中剔除。不过我在实际使用中觉得最有效的手段还是物理固定：戴好设备后，用一条医用弹性绷带把头戴的下巴托和脑后绑带收紧，减少电极帽在头部的整体晃动。运动伪迹一旦从源头减少，后期处理能轻松很多。

6.3 无线环境干扰：一个容易被忽视的变量

在同一个房间，上午采集好好的，下午频繁断连，大概率是周围无线环境变了。我踩过的一个具体例子是，教学楼里某一层有大量无线演示设备在用2.4GHz，导致EEG数据包连续重传。解决办法是换到5GHz网络环境、把实验时间安排到干扰较低时段，或者用蓝牙5.0的LE Coded PHY长距离模式（如果设备支持）提高抗干扰能力。

每换一个场地，建议先用设备自带的无线质量测试跑5分钟，再开始正式实验。同时注意：被试本人身上的可穿戴设备也可能成为干扰源。有一次实验数据周期性丢包，排查了很久，最后发现是被试手腕上的运动手环始终在广播蓝牙信号，挤占了空中的射频资源。让被试暂时摘掉手环或手机关闭蓝牙之后，问题立刻消失。

7. 我的选型建议与后续扩展思路

7.1 什么情况下值得选SmartingPro

如果你需要在非实验室场景收集32通道的科研级EEG，预算不过分紧张，又希望设备能快速部署，SmartingPro是值得考虑的选项。它在便携和信号质量之间找到了一个平衡点。如果实验全部在屏蔽室，且需要高密度覆盖，就没必要选它。我的选型逻辑是：先想清楚实验场景里“移动”是否是刚需。如果有移动需求，再考虑通道数、采样率、无线稳定性；如果没有，传统设备在预算内可能更有性价比。

7.2 和传统设备、干电极设备的对比

表格式对比会更直观：

SmartingPro恰好落在中间档位。和消费级干电极相比，它的信号质量优势明显；和传统高密度设备相比，它牺牲了通道数和极限性能，但换来了场景自由。对多数人来说，32通道和500Hz采样率已经足够支撑绝大多数研究需求。

7.3 后续可以往哪扩展

我现在自己比较看好的方向，是把这套设备与眼动追踪、心率、皮电一起做成一个多模态可穿戴平台，结合LSL统一时间戳，在真实场景里做精神状态连续监测。光谱熵在这个框架里是一个很好的连续特征，因为它计算量小，适合在线跑。更远一点，还可以利用蓝牙5.0的多设备广播能力，实现两台甚至多台SmartingPro同步采集，开展双脑/多脑超扫描研究。蓝牙5.0的低功耗和广播特性让它有潜力成为多个节点同步的基座。

如果你也在折腾类似的便携多模态采集平台，我的建议是从一个具体的实验问题出发，不要为了用新设备而用新设备。先把同步、阻抗、无线环境这些基础问题解决好，再往复杂特征上走。SmartingPro搭配蓝牙5.0这套组合，至少在未来一两年里会是移动脑电研究里一个很顺手的工具。