企业官网建设流程全解析

做脑电数据分析的，几乎没有人绕得开EEGLAB。尤其在预处理阶段，EEGLAB的图形界面和丰富的插件生态，让很多人从采完数据到出结果，整套流程都在这一个工具箱里完成。但说实话，我见过太多新手在第一步就卡住——不是不会点菜单，而是搞不清楚自己手里的数据到底该怎么进到EEGLAB里，进了之后又怎么确认没进错。这篇合辑的第一节，就把“往EEGLAB导入数据”这件事从头到尾捋一遍，包括环境准备、格式梳理、实际操作、导入后的检查，以及各种排查经验。

这节内容适合谁？刚接触EEGLAB的初学者、从其他软件（比如NeuroScan、BrainVision、Biosemi）转过来的用户，以及那些已经能用EEGLAB跑流程但一直靠“试”来导入数据、没搞懂底层逻辑的人。看完之后，你会对EEGLAB的数据导入机制有一个完整认识，而不是只记住几个菜单路径。

1. 为什么第一课要先死磕“数据导入”，而不是急着学滤波和ICA

很多初学者拿到EEGLAB之后，第一反应是打开界面，然后到处找滤波按钮、ICA按钮。这个心情我太理解了，毕竟预处理流程图谁看了都想快点跑完。但实际做过几个项目就会发现：预处理流程里出问题最多的，往往不是后面的算法参数，而是最前面的数据导入环节。数据导入一旦出错，后面所有步骤都是在错误的数据上徒劳，甚至可能得出完全相反的结论。

EEGLAB的核心数据结构是EEG这个MATLAB结构体，里面装着数据矩阵、通道位置、事件标记、采样率、参考电极等一切后续分析需要的信息。所谓“导入数据”，本质上就是把你采集设备输出的原始文件，转换成这个EEG结构体的过程。这个转换要是做得不干净，后面轻则图标错乱，重则事件时间轴全偏、通道顺序错位，做出来的ERP波形和时频图根本不能用。

还有一个容易被忽略的点：EEGLAB的很多下游操作，比如ICA去伪迹、谱分析、时频分解，都依赖一个结构完整的EEG结构体。像EEG.chanlocs（通道位置信息）如果没导入完整，后面做头皮拓扑图就会直接报错或者画出一张乱图；EEG.event（事件标记）格式不对，做epoch时就会卡住或者提取出空白 trial。与其等后面出了妖蛾子再回头查，不如在最开始就养成一个习惯：每次导入数据后，先花两分钟确认几个关键字段是否到位。

另外从学习路径角度说，EEGLAB的命令行操作比图形界面更可控、更好重复。而命令行操作的基本功，恰恰从导入就开始。你可以在MATLAB里输入一行EEG = pop_loadset('filename.set')来加载预处理好的数据，也可以输入EEG = pop_fileio('raw.edf')直接读原始格式。理解了数据结构是怎么一步步tian充完整的过程，后续用脚本批处理几十个被试数据，才不会两眼一抹黑。

所以这一节讲数据导入，不只是教你怎么“把文件打开”，而是帮你在脑内建立一张图：原始数据在磁盘上是什么样，进入EEGLAB之后变成了什么样，哪些信息会被保留，哪些信息容易被遗漏，以及如何验证转换过程没有丢失关键内容。

2. 环境准备：MATLAB版本、EEGLAB版本和启动路径的坑

2.1 MATLAB和EEGLAB的版本搭配

EEGLAB作为一个开源工具箱，对MATLAB版本的支持跨度很大，但不是说随便哪个版本都行。我个人的建议是：别用太老的MATLAB，也别追最新版。太老的版本（比如R2014a之前的）往往跑不动新版本EEGLAB里的一些依赖函数，而且对内存管理和大数据集的支持也不好；追最新版则容易碰到EEGLAB插件还没适配的情况，尤其是那些第三方插件，经常落后于EEGLAB主版本更新。

以我自己常用的组合来说，MATLAB R2020a到R2023b之间跑EEGLAB 2021.1到2024.x，整体都很稳。这个区间里，EEGLAB的pop_系列函数和依赖的Signal Processing Toolbox，基本都能正常运作。这里要特别提醒：EEGLAB需要MATLAB的Signal Processing Toolbox，缺了这个工具箱，很多频谱分析和滤波相关功能会直接报错。你可以用MATLAB命令行输入ver查看已安装的工具箱列表。

新版EEGLAB下载解压之后，目录里能看到eeglab.m主启动文件，以及functions、plugins等子目录。不要做多余操作，启动方式就是在MATLAB里把当前文件夹切到EEGLAB所在目录，或者用addpath添加路径，然后输入eeglab。

2.2 启动时常见的路径坑

关于路径，有两个非常典型的问题，我在带新手的时候几乎每次都遇到。

第一个坑是中文路径。EEGLAB本身虽然逐步改善了多语言支持，但很多底层函数在处理中文路径时依然可能出问题，尤其是涉及文件读取和插件更新时。我遇到过不止一次：数据放在D:\数据\被试1.set，pop_loadset加载时直接报错，或者图形界面里文件名显示一堆乱码。把文件夹改成英文路径，比如D:\EEG_Data\sub01，问题立刻消失。如果科研项目里有硬性要求必须用中文命名文件，至少保证供EEGLAB读写的工作路径是纯英文。

第二个坑是启动路径不对。有些新手把EEGLAB放在某个很深的嵌套文件夹里，启动时忘了先cd到EEGLAB目录，导致eeglab命令提示“未定义”。解决方法是先cd D:\eeglab2024.0，再输入eeglab，或者直接用addpath(genpath('D:\eeglab2024.0'))把整个EEGLAB目录加进路径。不过genpath会连插件一起加载，启动速度会慢一些，日常使用的话addpath到主目录就够了，EEGLAB启动时自己会处理插件路径。

2.3 EEGLAB界面第一次启动会看到什么

输入eeglab回车之后，弹出的主界面一般长这样：菜单栏有File、Edit、Plot、Tools、Datasets、Help等，下方是一个空列表，左下角提示当前没有数据集（No datasets）。懂MATLAB的人应该能看出来，这个界面本质上就是一个图形化的数据管理器，你导入的数据集会像列表一样呈现在主界面上，可以同时装载多个数据集，互相切换和比较。

从这一节开始往后的所有操作，你都可以在图形界面点，也可以用命令行跑。对新手来说先用图形界面建立操作直觉，对老手来说直接用脚本更高效。两种方式这篇文章都会讲。

3. 摸清EEGLAB支持的格式：不同采集设备的数据怎么进得来

3.1 常见的数据格式及来源

EEGLAB本身不生产数据，它只是一个数据处理平台。不同厂商的脑电采集设备会输出不同格式的原始文件，EEGLAB通过各种插件和函数来“读懂”这些文件。搞清楚你手上数据的“出身”，是选择导入方式的前提。下面列一下最常见的几种：

这张表只是入门级的格式地图，实际上EEGLAB能读的格式远不止这些。通过File > Import data菜单展开，你能看到一长串支持的格式列表，里面还包括了NeuroMag、ANT等系统。很多时候你在菜单里找不到对应的导入入口，不是EEGLAB不支持，而是需要先安装对应的数据读取插件。

3.2 什么格式的数据最适合EEGLAB

我的回答可能有点反直觉：最适合EEGLAB的格式并不是某个厂商的原始格式，而是.set格式。.set文件是EEGLAB的原生数据格式，它由一个文本头的.set文件和一个二进制数据文件组成（数据量大时后缀是.fdt，数据量小时有可能把数据直接塞进.set文件里）。只要数据转换成了.set，后续加载速度最快，且不会出现格式兼容性问题。

所以一个推荐的流程是：拿到原始采集文件后，第一步用对应的导入函数转成EEGLAB数据集，然后顺手pop_saveset保存一份.set。不要直接在原始文件上反复做预处理，每次都重新导入、重新检查，既慢又容易出错。把“原始格式”转成“EEGLAB格式”当成一个独立的步骤来做，等于给后续所有分析建立了一个干净的起点。这也是专业EEG数据分析流程里很常见的做法。

3.3 通道信息文件（chanlocs）是很多人的盲区

导入脑电数据时有一个经常被忽略的“隐性文件”——通道位置文件（通常是.ced、.txt、.elp、.locs等格式）。EEGLAB里的EEG.chanlocs结构体记录了每个通道的名称和三维坐标，没有它，你虽然也能做滤波、ICA，但画头皮图、做topography分析就会寸步难行。

很多设备的采集软件在导出EEG原始数据时，并不会把通道坐标信息一起打包进数据文件里。也就是说，你导入原始文件后，EEG.chanlocs可能是空的或者只有一个通道名列表，没有坐标。这种情况下，你需要单独加载一个与设备通道布局匹配的坐标文件。EEGLAB菜单里在Edit > Channel locations里加载，也可以用命令行方式：

EEG = pop_chanedit(EEG, 'lookup', 'standard-10-5-cap385.elp');

这里用了EEGLAB自带的standard-10-5-cap385.elp标准坐标模板。对于大多数32导、64导的常规排布，这个模板都能对上号。如果用的是特殊电极帽，比如128导或者自制电极分布，则需要找厂商要坐标文件或者手动编辑。

注意：通道位置文件里的通道顺序必须和数据通道顺序一致，如果顺序错位，后面画出来的拓扑图会把电极名字贴到错误的位置上，表面看不出来，但结果完全不可信。

4. 实操导入：图形界面和命令行两条路，都给你走一遍

4.1 图形界面方式：以BDF文件为例

假设你手上是Biosemi ActiveTwo采集的.bdf数据，要导入EEGLAB，步骤是这样的：

1. 打开EEGLAB，菜单栏选File > Import data > Using EEGLAB functions and plugins > Biosemi .bdf (.bdf)。
2. 弹出文件选择框，选中你的.bdf文件。
3. 接下来会弹出一个参数设置框，主要是让你确认数据范围偏移量（Data range offset）和是否要对16位/24位数据进行缩放。Biosemi数据的单位是微伏，EEGLAB读入后会自动换算。基本上保持默认值就行，直接点OK。
4. 导入完成后，主界面的数据集列表里会多出一行。你可以双击这一行进入数据集查看器，会看到波形图。

这里有个细节：新版EEGLAB的BDF导入用的是BIOSIG插件（pop_biosig），而不是早期的pop_bdfimport。如果你的EEGLAB没有装BIOSIG插件，菜单里可能找不到BDF入口或者导入时报错。解决办法是在File > Manage EEGLAB plugins里在线安装BIOSIG插件，或者去EEGLAB官网插件列表下载后解压到plugins目录，重启EEGLAB。

4.2 命令行方式：更高效，也更容易排错

图形界面适合第一次熟悉流程，但一旦你要处理多个被试、多个文件，或者希望流程可复现，命令行是更好的选择。用命令行导入BDF只需要一行：

EEG = pop_biosig('D:\EEG_Data\sub01.bdf');

这一行执行后，MATLAB工作区里会多出一个名为EEG的结构体，同时EEGLAB主界面也会出现这个数据集。任何图形界面里能做的高级设置，命令行都可以通过pop_biosig后面的参数“键值对”来指定。比如设置范围偏移：

EEG = pop_biosig('D:\EEG_Data\sub01.bdf', 'blockrange', [1 100000]);

这种写法熟悉MATLAB的人应该不陌生。EEGLAB的pop_系列函数都是这种模式：函数名以pop_开头，第一个参数是数据集，后面的参数是成对的键值。pop_biosig还有个特殊的地方：如果你不提供任何数据文件路径，它直接弹图形选择框，这算是一种交互式命令行的折中方案。

再说一个通用函数pop_fileio。它是EEGLAB里一个比较新的“万能导入器”，底层自动调用了data2bids、bids2eeglab等组件以及各个第三方读取工具。对于很多标准格式（EDF、BDF、GDF等），直接用

EEG = pop_fileio('D:\EEG_Data\sub01.edf');

就能导入。pop_fileio会检测文件头、自动判断格式，对新手来说是很友好的入口。不过也要注意，pop_fileio不是万能的，遇到了小众格式或者文件头损坏的数据，还是要回到专门的导入函数。

4.3 三种不同格式的导入实战

为了让你真正理解“格式决定方式”，我把三种最常见的数据导入场景完整演示一遍。

场景一：NeuroScan .cnt文件

NeuroScan采集系统常见于很多老牌实验室，输出的是.cnt（连续数据）或者.eeg（分段数据）。导入.cnt用的是pop_loadcnt：

EEG = pop_loadcnt('D:\EEG_Data\sub01.cnt');

如果数据里有事件标记需要一并导入，可以加参数：

EEG = pop_loadcnt('D:\EEG_Data\sub01.cnt', 'dataformat', 'int16');

.cnt文件本身会把事件标记存储在文件头或者独立的事件文件里，pop_loadcnt会自动处理大部分情况。

场景二：BrainVision .vhdr文件

BrainVision Recorder导出的是三个文件：.vhdr（文本头文件）、.eeg（二进制数据文件）、.vmrk（标记文件），三者在同一目录下，文件名相同。导入时选.vhdr文件：

EEG = pop_loadbv('D:\EEG_Data\', 'sub01.vhdr');

注意pop_loadbv有两个参数，第一个是文件夹路径，第二个是文件名。这个函数非常成熟，事件标记会从.vmrk文件里自动读入EEG.event，包括Marker类型和位置。

场景三：EDF/EDF+通用格式

EDF（European Data Format）是很多第三方设备都能导出的通用格式，在睡眠研究领域尤其常见。EDF+在EDF基础上增加了更灵活的时间戳和注释轨道。导入方法：

EEG = pop_fileio('D:\EEG_Data\sub01.edf');

对于EDF+，需要注意它可能包含多个“连续数据段”，BIDS格式里常说的DataRecord就是这种结构。pop_fileio能够读取，但是当EDF+里有注释事件（Annotations）时，这些事件会被转成EEG.event里的特殊类型。新手经常遇到导入EDF+后事件数量异常多，一看全是Annotation型事件，需要在后续分析前做筛选。

4.4 导入过程中涉及的几个参数：采样率、数据范围与极性

pop_函数导入时弹出的参数框里，有几个重要的参数值得单独解释：

采样率（srate）：大多数格式的文件头里自带采样率，EEGLAB会自动识别，一般不需要手动填写。但如果你从文本文件导入裸数据，就必须自己指定采样率，这个值一旦填错，后面所有时间相关的分析（ERP、时频）都会出问题。

数据范围（Data Range / Calibration）：脑电采集设备的模数转换器（ADC）决定了原始信号的整数范围（比如Biosemi 24位系统是-8388608到8388607），EEGLAB需要把这个整数范围转换成实际微伏值。Biosemi系统导出时通常已经做了转换，但NeuroScan的.cnt有时需要通过calib文件来校准。如果你导入后发现波形幅度不是微伏量级（正常EEG幅度在几十到一两百微伏），很可能就是数据范围没有正确转换。

极性（Polarity）：不同系统对“向上偏转代表正电压还是负电压”的约定不同。NeuroScan系统默认是正电压向上，而Biosemi有的记录是负电压向上。EEGLAB不会自动判断极性，需要在导入后通过Tools > Change pole polarity或者直接在数据视图里目测判断。经典的判断方法是看眨眼伪迹：Fp1通道眨眼时通常是明显的负向偏转还是正向偏转，这个不同系统不一样，需要结合自己设备的采集手册确认。

5. 导入只是开始：通道信息、事件标记与采样率的校验调整

数据导入成功，不代表万事大吉。我经常跟人说一句话：“导入完成的瞬间，才是真正开始干活的时候。”因为许多初始错误能够在导入后的简单检查中快速被发现。养成下面这几个检查习惯，能帮你避开后面一堆麻烦。

5.1 检查EEG结构体里的关键字段

导入完成后，在MATLAB命令行直接输入EEG回车，会看到一大串结构体字段。我每次都会快速扫一眼这几个关键量：

• EEG.nbchan：通道数。对照你的设备配置，比如64导系统这里应该是64（可能包含参考电极或外部电极）。
• EEG.pnts：每个通道的数据点数。用EEG.pnts / EEG.srate可以算出总时长（秒），对照采集时长就能验证数据是否完整导入。
• EEG.srate：采样率，正确值应该是采集时的设置，常见的是250Hz、500Hz、1000Hz等。
• EEG.xmin：数据起始时间，通常为0或负数（如果导入了epoch前的基线）。
• EEG.event：事件标记数组。如果是任务态数据，这里的类型数和数量应该和实验设计吻合。

有一个特别常见的错误：导入.cnt文件后EEG.event是空的，但实验明明有事件标记。这种情况往往是.cnt文件里事件信息存储格式特殊，pop_loadcnt没识别全。解决方式是看设备软件能否导出独立的事件文件（如.dat），再用pop_importevent手动导入。

5.2 通道位置的核对与补全

在Edit > Channel locations界面里，可以直观看到每个通道的坐标分布。检查时重点看两点：一是通道名称是否与电极帽标签一一对应，二是通道的三维坐标是否合理。如果电极坐标全部落在了“一个平面上”，说明坐标数据没有被正确插值，后面画拓扑图会变样。

补全通道位置还有一个常见做法：

EEG = pop_chanedit(EEG, 'lookup', 'standard-10-5-cap385.elp');

运行之后，如果通道名称和模板匹配成功，EEG.chanlocs里会填上坐标值。如果某些通道显示NaN坐标，说明模板里没有这个通道名，需要手动检查。

5.3 波形目视检查

这一步很土，但很有效。在EEGLAB主界面双击数据集名称，打开数据浏览器，选择一个包含Fp1/Fp2等前额电极的通道，然后滚动波形看有没有明显的眨眼伪迹（大幅值、低频率、形状规则的偏转）。这能一次性验证三件事：数据方向是否正常、极性是否符合预期、通道连接是否正常（不会出现某通道全是直线的高阻抗死信号）。

顺便说一个非常容易被忽略的点：数据浏览器默认显示的电压单位是µV，但如果你导入时没有做校准，显示的数字可能变成了原始整数范围（几万到几十万），满屏波形看起来像一条毛茸茸的直线。这时候别慌，回到第4.4节提到的数据范围问题，重新检查导入参数。

5.4 数据保存：确立标准的.saveset流程

检查无误后，果断保存为.set格式：

EEG = pop_saveset(EEG, 'filename', 'D:\EEG_Data\sub01.set');

之后每次进行预处理，都用pop_loadset加载这个文件。这样保证每次分析都从一个固定的、已检查的数据版本出发。如果有多个预处理操作，建议养成“一步一存”的习惯：原始数据存一份、滤波后存一份、ICA去伪迹后存一份。版本管理在科研里非常重要，这能让你追溯每一步变换，不至于在出问题时只能推倒重来。

6. 几种典型故障和排查过程：从现象到根因

这一节整理几个导入环节中我遇到过的真实故障，每个都附排查思路，而不是只给结论。以后你碰到类似问题，可以照着这个排查路径走。

6.1 报错“Cannot read file”或者“Unknown format”

现象：pop_fileio或对应导入函数报错，提示无法读取文件或未知格式。

排查过程：

先看文件后缀和实际编码是否一致。很多设备导出的“文本文件”实际是Unicode编码，用普通文本读取自然会报错。可以用十六进制编辑器或者MATLAB的fopen+fread读前几个字节，看看文件头是否包含了预期格式的标识符。

再看是不是文件被占用。某些采集软件会持续锁定正在写入的数据文件，如果采集刚结束就立刻复制或读取，可能遇到系统级文件锁定报错。解决办法是等软件释放文件，或者先将文件复制到其他目录再导入。

最后检查一下文件是否完整。.bdf和.edf文件末尾都有特定的结束标识，如果导出过程中断，文件可能缺少结尾，导入时就会报错或只导入部分数据。用文件大小和采集时长做乘法估算，能快速判断文件是否有残缺。

6.2 导入BDF后通道数翻倍，或出现大量异常值

现象：导入BDF后EEG.nbchan不是预期的64，而是128或更多，并且波形图上出现一些幅度特别大、明显不是脑电的信号。

排查过程：Biosemi的24位ADC本身有两个独立的数据流，一个记录EEG，一个记录“状态信号”（Status，用于记录事件标记）。在一些旧版BIOSIG插件里，这两个数据流会被当作普通通道全部读入。遇到这种情况，检查一下EEG.chanlocs里是不是包含标签为“Status”或“EXG”一类的通道。如果是，可以保留这些通道用于事件提取，也可以在导入后用pop_select剔除：

EEG = pop_select(EEG, 'nochannel', {'Status'});

不过剔除之前要确认事件信息已经通过Status通道提取并转换到EEG.event里了，否则事件就丢了。

6.3 导入EDF+后事件全部变成“Annotation”

现象：EDF+文件里的实验事件（比如Stimulus）导入后，EEG.event里的type全是Annotation，看不到预期的实验事件类型。

排查过程：EDF+规范里把事件注释统一放在专有的“Annotation”轨道里，pop_fileio读入时会把这些注释作为一个事件源导入，所以事件类型名称确实是Annotation，这不一定是错误。解决办法是检查每个“Annotation”事件的description或者code字段，真正的事件信息通常藏在里面：

[EEG.event.type] = deal('dummy'); % 先重置 for i = 1:length(EEG.event) % 假设EEG.event(i).code里保存了实际事件标签 EEG.event(i).type = EEG.event(i).code; end

如果code字段包含了类似“Stimulus”和具体刺激参数，就用它替换type字段。如果设备软件能直接把EDF+导出成不同的独立事件轨道，也可以先在设备端设置。

6.4 导入大文件时内存不足

现象：一个1GB以上的BDF或CNT文件导入时，MATLAB提示内存不足（Out of Memory）。

排查过程：这个问题的根本原因不是EEGLAB代码有问题，而是MATLAB加载数据时会把整个文件一次性读入内存。64导、采样率1000Hz、连续记录2小时的数据，数据量大约在64 * 1000 * 7200 * 8字节 ≈ 3.7GB，再加上MATLAB结构体的开销和后续副本，内存消耗可以轻松超过10GB。解决办法有几个层次：

第一，如果内存确实不够，用pop_biosig提供的片断导入功能，只读入数据的一部分先做检查。比如：

EEG = pop_biosig('D:\EEG_Data\sub01.bdf', 'blockrange', [1 100000]);

读取前10万个采样点。

第二，升级到64位MATLAB，并且配置足够大的系统内存（建议至少16GB以上）。EEGLAB所有现代功能都依赖于64位MATLAB。

第三，考虑在导入前用设备自带软件对数据进行降采样。比如原始1000Hz的数据降采样到500Hz，数据量直接减半。但降采样一定要在滤波之后进行，否则会出现混叠（aliasing）伪迹，这里有个顺序问题，我在后面的内容里会详细讲。

第四，分段导入再拼接。如果数据非要整段分析，就分多段导入，然后pop_mergeset拼接。这种方法麻烦一点，但在内存受限的电脑上是可行的保底方案。

6.5 中文路径导致的导入失败

现象：文件放在D:\数据\sub01.bdf，导入时报错，但同样的文件放到D:\data\sub01.bdf后导入正常。

排查过程：这是一个典型的编码环境兼容性问题。MATLAB在不同操作系统上的默认字符编码不同，而EEGLAB底层的很多文件读取函数依赖C语言的文件操作接口，对Unicode路径支持不完整。解决方式很简单：工作路径和文件名一律用英文。如果已经积累了中文路径下的数据，建议在导入前先批处理改名或复制到英文目录。

7. 批处理思路：几十个被试的数据如何高效导入和保存

单文件导入搞定了，接下来面临的实际问题是：真实研究项目不会有只有一个被试。当我需要一次导入20个被试、每个被试还有多个block数据时，如果还在图形界面里一个个点，效率太低且容易出错。这时候就需要脚本化。

7.1 最简单的批处理循环

比如你要导入D:\EEG_Data目录下所有.bdf文件，并自动保存为.set：

data_dir = 'D:\EEG_Data'; file_list = dir(fullfile(data_dir, '*.bdf')); for i = 1:length(file_list) filename = fullfile(data_dir, file_list(i).name); EEG = pop_biosig(filename); [~, basename, ~] = fileparts(filename); EEG = pop_saveset(EEG, 'filename', fullfile(data_dir, [basename '.set'])); close; % 关闭绘图窗口，避免占用内存 end

这里有个小细节：dir(fullfile(data_dir, '*.bdf'))返回的文件列表包含了文件夹里所有.bdf文件，顺序可能不是按照编号来排列，所以文件名命名时最好用自然编号（如sub01.bdf、sub02.bdf），而不是sub1.bdf、sub10.bdf，这样可以避免文件顺序错乱。

7.2 批处理时的事件和通道位置补全

如果实验过程中记录了不同的block（比如“安静观看”和“任务状态”），你可能需要在导入循环里为每个文件设置不同的事件类型前缀，或者统一加载同一个通道位置文件：

for i = 1:length(file_list) EEG = pop_biosig(fullfile(data_dir, file_list(i).name)); EEG = pop_chanedit(EEG, 'lookup', 'standard-10-5-cap385.elp'); % 设置被试信息 EEG.subject = sprintf('sub%02d', i); EEG.session = 1; EEG = pop_saveset(EEG, 'filename', fullfile(data_dir, sprintf('sub%02d.set', i))); end

EEG.subject、EEG.session这些字段虽然在导入时不需要，但加上之后，后续用bids插件导出或者做群体分析时会非常方便。

7.3 批处理脚本的常见翻车点

翻车点一：重复使用EEG变量导致旧数据残留。如果导入循环中某次报错，EEG变量可能保留了上一个文件的内容，继续循环时可能误以为导入成功。可以在每轮循环开头加一行clear EEG，同时用try-catch捕获错误并记录到日志文件，方便排查是哪个文件出现问题。

翻车点二：绘图函数自动弹出窗口导致内存堆积。pop_biosig在导入时如果设置了绘图输出，会弹出图形界面。批处理中几十个文件同时弹出绘图窗口，轻则卡顿，重则崩溃。脚本化处理时，确保参数里没有触发绘图，或者在循环末尾加close all。

翻车点三：张冠李戴。如果批量导入时不小心填错了被试编号或者导错了目录，导入后的.set文件里存的是错误的信息。预防方法是保存后立刻打印一行确认信息：

fprintf('Imported %s, %d channels, %d samples, %d events\n', ... EEG.filename, EEG.nbchan, EEG.pnts, length(EEG.event));

这样每个文件的导入情况都会在命令行留下记录，检查起来一目了然。

8. 关于数据导入的几个进阶话题：导入后再导入、数据拼接与自定义格式

8.1 往已有数据集里追加数据：pop_mergeset

有时你手里有同一个被试的多个run记录，需要把它们拼成一个连续数据集再做后续分析。EEGLAB提供了合并数据集的功能，命令行方式是：

EEG1 = pop_loadset('D:\EEG_Data\sub01_run1.set'); EEG2 = pop_loadset('D:\EEG_Data\sub01_run2.set'); EEG = pop_mergeset(EEG1, EEG2, 0);

这里的第0个参数表示两个数据集按时间顺序拼接。拼接时要求两者的通道数、采样率完全一致，否则会报错。如果事件标记里记录了每个run的起始时间，拼接后的事件时间轴会自动调整，不需要手动处理。

有一种常见的拼接受限情况：不同run的参考电极或者通道排序不一致。这需要先统一通道顺序，再做拼接：

EEG2 = pop_select(EEG2, 'channel', {EEG1.chanlocs.labels});

先按EEG1的通道顺序重排EEG2的通道，再合并，这样能避免通道错位。

8.2 从纯文本数据导入：一个通用方案

有些实验室还在用老式的放大器，数据导出是简单的.txt或.csv，每行一个时间点，每列一个通道。导入这种数据不能直接靠EEGLAB的菜单，需要一些MATLAB基本功。

假设你的文本文件长这样（逗号分隔，第一列是时间或序号，后几列是通道）：

1,-12.5,10.2,5.8 2,-10.1,11.0,6.2 ...

可以这样导入：

data = importdata('D:\EEG_Data\raw.txt'); srate = 500; % 根据实际采样率填写 data = data.data; % 或者其他你定义的字段 data = data(:, 2:end); % 去掉第一列时间 EEG = pop_importdata('dataformat', 'array', 'nbchan', size(data,2), ... 'data', data, 'srate', srate);

pop_importdata是EEGLAB里一个非常好用的“通用导入”入口，可以从工作区数组直接创建数据集。很多非标准格式都可以先用MATLAB读进来，再通过这个函数进入EEGLAB。这个流程一定要掌握，因为现实世界里格式永远比你想象的多样，总有菜单上没有入口的情况。

8.3 事件标记的再导入

有一种常见的场景：数据本身没问题，但采集时事件标记记错了、丢了，事后从行为日志里拿到了准确的事件时间。这时候可以不用重新采集和重新导入整个数据，只需要用pop_importevent来更新事件：

EEG = pop_importevent(EEG, 'filename', 'D:\EEG_Data\sub01_log.txt', ... 'timeunit', 1/EEG.srate, 'fields', {'type', 'latency'}, ... 'skipline', 1);

这个函数能把文本日志里的事件类型和发生时间（换算成采样点）导入到EEG.event。事件标记是EEGLAB里最容易出错的地方，像时间单位不一致、latency偏移1个采样点、事件类型是字符串还是数字等细节，都可能影响后面epoch提取。我建议每次导入或替换事件后，都做个可视化检查：画出原始波形，在上面叠加事件标记位置，确认事件时间与刺激出现的时间吻合。

9. 数据导入和重参考的关联：为什么有些导入要先做参考处理

很多人在导入Biosemi数据后，发现所有通道的波形幅度看起来都是一样的，尤其是所有通道都叠加了一个很大的直流漂移。这不是导入错误，而是Biosemi系统本身的特性：它不主动做硬件参考，采集时每个电极都是相对于公共参考点（CMS/DRL）记录的。所以导入Biosemi数据后，第一件事往往就是重参考，通常用全脑平均参考（Average Reference）。

EEGLAB里做全脑平均参考的命令是：

EEG = pop_reref(EEG, []);

在图形界面里，路径是Tools > Re-reference the data，什么都不选直接确定就是全脑平均参考。这一步虽然不是“导入”操作，但和导入关系非常紧密，因为如果你不重参考，后续的ICA去伪迹、功率谱计算都会受到参考电极位置的影响。

对于NeuroScan的.cnt数据，采集时通常已经做了在线参考（比如以CZ为参考），导入后是否需要重参考取决于你的实验设计。注意：不管做不做重参考，在做重参考之前都需要确保EEG.chanlocs（通道位置信息）已经补全，因为全脑平均参考在计算时要排除无用电极（如心电、眼电），而这些电极类型需要通过通道位置信息来识别。

10. 这一课做完了，你的数据应该长这样

按照上面所有步骤走完，你的工作目录里应该有一份.set文件（外加可能存在的.fdt文件），其EEG结构体是干净、完整的。命令行输入EEG后，应该能看到类似这样的摘要：

EEG = struct with fields: setname: 'sub01' filename: 'sub01.set' filepath: 'D:\EEG_Data\' nbchan: 64 trials: 1 pnts: 1800000 srate: 500 xmin: 0 xmax: 3600 times: [] data: [64x1800000 double] icaact: [] icawinv: [] icasphere: [] icaweights: [] icachansind: [] chanlocs: [1x64 struct] ref: 'common' event: [1x200 struct] urevent: [1x200 struct] ...

重点看nbchan、pnts、srate、event这些字段有没有合理取值。确认无误后，你的后续预处理之路就有了一个扎实的起点。

回到这一课最开始的问题：为什么反复强调数据导入？因为EEGLAB的所有高级分析都建立在“数据被正确读入”这个前提上。我见过太多人花大量时间调ICA参数、换滤波器类型，结果最终发现是导入时通道位置没对导致整个拓扑图失真。磨刀不误砍柴工，数据导入这一步值得你认真对待。下一节合辑我们会讲数据清理和滤波，那时候你会发现，只要导入环节打好了底子，后面全都是水到渠成的事。