來源：http://blog.sina.com.cn/s/blog_13171a73d0102v4zx.html
數據預處理主要包括數據導入、電極定位、電極返回、濾波、去除偽跡、重建參考、分段、疊加平均等步驟。只有經過預處理的數據，才能進行特征值提取以進一步進行方差分析等操作。EEGLAB對數據處理的優點無需贅述。很多情況下，后續被試的預處理與第一個被試的處理過程是一樣的。在這種情況下就可以采用批處理的方式進行，以便減少處理數據的時間並保持數據間參數的一致性，有利於后續數據的統計分析。在此主要有兩種方法。第一，最簡單的方法就是采用EEGLAB里面的插件Batch。該插件無需編程知識，在第一個數據處理后，其他數據都可以根據對第一個數據的處理步驟依次進行，方便快捷。這里需要注意的是，第一個被試的處理必須通過GUI（界面）實現，而不能通過Script實現。第二，就是通過編寫簡單的程序進行批處理。兩種方法都是數據處理的好方法。
方法一：通過Batch插件進行批處理
- 預處理
在批處理之前，我們必須對第一個數據進行完整且適當的分析。因為后續所有被試的分析都是和第一個被試的分析一樣的，因此第一個數據的分析是非常關鍵的，它決定了后續被試的數據處理是否得當以及能否保持數據間參數的一致性。這里提醒一點，就是ERP實驗前，必須打好分段標記！！這是后續數據處理中一個基本且重要的方面。
1 在第一個被試預處理全部做完后，在Batch中保存，默認選中第一個后綴名為set。
2 將剛才處理的過程保存為一個歷史過程文件，路徑為存儲當前數據的文件夾。
3 將剛才處理的數據在EEGLAB里面清除（切記）。
4 打開Batch選項，選擇歷史文件，就是剛才處理第一個數據是保存的文件，第二打開要處理的其他文件，直接點擊就進行批處理。另外旁邊有一個選項是並行處理，選擇這個選項可以加快處理速度，但是對內存要求很大。
Batch批處理，第一個數據
1 數據導入；
2 將采樣率降為250 Hz: (非必須步驟)；
3 導入電極位置；
4 聲明原始參考點：可以在導入電極位置之后，在最后一個電極點后增加參考點，電極自動尋找，就生成原來的參考電極的位置FCz。同時，需要制定這個電極點為參考點，其他所有的電極點都以這點為參考(1:63)；
5 在重建參考，進行平均參考（加入FCz，去除兩個眼電電極點）；然后進行雙耳參考（TP9， TP10），兩步之后，就生成了FCz的數據值且是以TP9和TP10為參考點的矩陣；
6 自動檢測電極點，壞電極點采用用插值法進行差值處理。
7 對連續數據刪除正式試次開始和中間間隔的數據，減少數據處理對內存的要求。
8 采用ASR方法對上述連續數據進行偽跡矯正，這里注意不使用刪除電極功能（off即可），在ASR之前最好用自動檢測電極點程序。
9 濾波：高通、低通分別進行；(注意高通濾波)
10 分段：選擇需要分析的所有marker；
11 基線矯正(自動步驟)；
12 刪除錯誤試次和波幅過大試次；這步驟可以在下面操作；
上述就是采用Batch進行批處理的第一步；然后依次進行第二到第四步，處理剩余的數據。全部被試的數據進行批處理完畢后，對每個被試的數據進行如下操作：
13 刪除特定試次：這里的主要是指波幅范圍標准和極端值分布標准；
請注意有些步驟不能用批處理進行，比如壞電極的處理，這是屬於個體差異
14 檢查是否有壞導：
① 檢查是否有壞導; 如果有壞導，進行第 ②步操作；
② 替換壞電極：采用命令的方法或者采用差值方法進行替換，以下是命令方法：
EEG.data(62,:,:)=(EEG.data(4,:,:)+EEG.data(9,:,:)+EEG.data(13,:,:)+EEG.data(40,:,:))/4
EEG.data(63,:) = mean(EEG.data([4,9,13,41],:),1);
- 后處理
插值法可用工具菜單的interploration命令進行。經過上述處理的步驟，只是初步進行了處理，主要是濾波，重建參考，替換壞點，刪除變異試次等操作。還沒有去除眼電(上述盲源分析方法有效，如果已經處理過，就略過這步)，因此還需進一步進行去除除眼電的操作ICA。方法同上述操作步驟一樣，過程如下：
1 先進行第一個數據的操作，然后進行批處理。
2 最后對每個被試的數據進行去除眼電成分，再次進行基線矯正，得到干凈的數據。
3 從每個被試的數據中提取各個條件的數據；建立dataset。
進過上述兩步的操作后，所有被試的數據都已經預處理完畢，就可以對這些數據進行后期的特征值提取，主要是指數據統計分析等工作。
方法二：通過編程進行批處理
EEGLAB最方便之處在於，經過每步處理后，都可以通過腳本的歷史命令查詢出相應的腳本，這樣的話就可以在這些腳本的基礎上進行編程，從而減少數據處理時間。可以通過EEG.history命令也可以通過菜單將處理過的數據的腳本進行保存。編程的批處理可以分兩步進行：
1 全部數據進行預處理（無ICA）；
2 把第一步進行處理過的數據進行ICA，目的是去除眼電、肌電和其他噪音，得到干凈的數據。經過第1步的預處理后，統一對已經生成的文件進行ICA。通過ICA，可以分別對生成的文件去除眼電、肌電和其他噪音ICA，這里筆者根據以往的經驗，只去除眼電的噪音，而且對數據依次處理。不推薦使用獨立成分自動去除的程序（如AJUST等自動軟件）。
方法三：通過編程進行批處理
第二種方法中，我們首先對所有數據進行了批處理，然后通過ICA的方法去除偽跡。實際上，有很多種去除偽跡的方法，一種比較直接的方法就是對原始的數據進行去除。這里推薦使用ASR方法，即偽跡空間重建的方法。這種方法只能用在原始數據即沒有分段前的數據進行處理。步驟包括導入數據、電極定位、返回參考（可選擇）、重建參考、濾波、ASR自動校正、分段、去除Epoch以及疊加平均過程。如果原始數據較大，則可以在預處理前分別對所有的原始數據進行處理，刪除在刺激前和實驗中途休息的是大段數據，達到減少數據量的目的。
EEGLAB數據分析
- 時間/波形分析
EEGLAB中，有個獨特的模塊就是study模塊，可以方便的進行預處理后的數據分析。但是目前來看，通過這種方法雖然可行，但是較為麻煩。因此，更簡便的方法就是不利用study編寫腳本程序的方法進行后續的數據分析。因此，可以充分利用matlab的函數進行波幅和潛伏期分析。需要注意的是，在提取波幅和潛伏期之前，必須建立每種條件下的所有被試的總平均文件，利用總平均文件才可以進行后續的波幅和潛伏期特征值的提取。利用總平均文件，可以方便的提取波幅和潛伏期，進行方差分析；另外，總平均文件的建立還有利於以后論文投稿中的波形圖和地形圖的准備，一石二鳥。
畫出總平均波形圖/畫出總平均地形圖
總平均波形圖 要畫出總平均波形圖，必須首先建立總平均的文件。這里通過GUI操作的方式通過Grand-average選項，對每一種條件下所有被試的.set數據進行總平均，建立一個N個不同條件總平均文件。需要注意的是，總平均后需要再一次進行電極點定位，這樣才能進行后續操作，否則無法畫出總平均地形圖。然后通過腳本命令方式的進行畫出總平均圖。該命令可以根據輸出的電極點的數量，以及投稿時的要求進行適當的修改，以輸出符合要求的圖片(分辨率和大小)。利用上述語句可以在九個子圖里分別畫出兩種條件以及差異波的總平均圖，優點是方便快捷，無需對圖片進行額外的准備，方便后續的投稿和圖表准備。
圖片制作分為三步：
(1) 完成畫圖及相關設置(字體大小、線寬、圖例大小也是正常尺寸)，
(2) 此時WindowStyle is 'docked'，要改為normal，有兩種操作：在Figure properties——more properties中找到Windowstyle，然后用鼠標改為normal；或者直接用命令：set (gcf,'windowstyle','normal')
(3) 將圖片保存成TIFF格式圖片。
(4) 將圖片拷貝到word里，並生成PDF文件，用Photoshop軟件打開剛才生成的PDF文件，然后對之進行操作，設置最終的圖片大小和分辨率。
總平均地形圖 前提是首先利用Grand-average插件進行不同條件的總平均，得到兩個總平均文件。再利用相關的EEGLAB函數進行畫圖。如需要改變電極點，在上述命令中修改需要的點即可，方便快捷。利用上一步生成的總平均文件和總平均地形圖的命令，可以畫出所需要的總平均地形圖。可以根據某些特定要求簡單的改變某些參數的設置即可。該命令可以很輕易的調整要輸出的總平均地形圖的數量，地形圖的時間點和是否畫出總平均差異地形圖等。利用這個命令可以容易的畫出總平均地形圖，與上述總平均波形圖一樣。
當總平均文件建立以后，如果不利用腳本提取波幅和潛伏期的值，則可以采用第二種方法。所有數據導入letswave中，很方便進行提取，然后導入SPSS，進一步進行方差分析（參見相關文獻）。該軟件的優點之一是，在進行傳統的波幅和潛伏期分析后，還可以進一步進行時間-頻率分析；而且這個軟件是線性的，無需過多的編程知識，有利於初學者學習。
- 時間/頻率分析
利用每個被試的處理過后的文件，可以進行時間-頻率分析。這里主要采用的是EEGLAB自帶的newtimef()函數，該函數是進行時頻分析的主要函數，這里我們主要采用的是FFT函數，可以對感興趣的較低的頻率進行分析。
總平均時間頻率圖/ROI頻率的時間頻率圖 在這里，需要辨別兩個圖，一個是總平均時間-頻率圖，第二個是感興趣的頻率的時間能量波形圖。前者是指根據newtimef()進行參數設置后，計算每個被試每種條件下的時頻圖，然后進行平均得出的。后者是根據自己研究的興趣點，只計算和分析自己感興趣的頻帶的能量分布圖。要畫出上述兩個重要的圖，首先必須建立總平均時間頻率文件，這個文件是進行后續數據處理的基礎，從中可以提取出自己感興趣的頻帶的ERSP的值，進行進一步的ANOVA等操作。