「EEG脑电信号处理——（22）脑机接口常用生理信号频率与幅值特性分析」2026年04月20日
目录
1. 引言
2. 六类信号的频率与幅值特征
2.1 EEG（脑电图）
2.2 LFP（局部场电位）
2.3 Spike（神经元峰电位）
2.4 ECoG（皮层电图）
2.5 EMG（肌电图）
2.6 ECG（心电图）
3. 总结与对比
参考文献
摘要：脑机接口（BMI）技术的发展依赖于对神经信号特征的深入理解。本文系统梳理了脑机接口中六类常见信号——EEG、LFP、Spike、ECoG、EMG、ECG——的频率分布与幅值范围，总结了各自的能量集中区间及典型应用场景。研究发现，不同信号的频谱特性受脑区、行为状态、物种差异等因素影响显著，且多数文献以功率或能量作为衡量指标，明确的比例数据相对稀缺。本文旨在为脑机接口系统设计、信号处理算法开发及实验范式构建提供参考依据。
关键词：脑机接口；EEG；LFP；Spike；ECoG；EMG；ECG；频率范围；幅值特征
1. 引言
脑机接口技术通过采集中枢或外周神经系统的电生理信号，实现人脑与外部设备的直接交互。不同类型的信号在频率、幅值、信噪比等方面存在显著差异，直接影响信号采集、处理和解码策略的选择。本文基于现有文献，聚焦EEG、LFP、Spike、ECoG、EMG、ECG六类信号，提炼其常规频率与幅值范围、主要能量集中区间及典型特征，为脑机接口研究人员提供系统性的参数参考。
2. 六类信号的频率与幅值特征
2.1 EEG（脑电图）
EEG信号从头皮表面采集，频带通常为0.1–100 Hz，临床相关频带有时收窄至0.3–70 Hz。主要节律包括δ（0.5–4 Hz）、θ（4–7 Hz）、α（8–12 Hz）、β（13–30 Hz）及γ（>30 Hz）。成人头皮EEG幅值一般在10–100 µV之间，最大振幅通常不超过50 µV。
在清醒睁眼状态下，α和β波占主导；闭眼时后头部α节律显著增强。尽管高频成分（β/γ）在认知任务中具有重要价值，但低频成分（δ/θ/α）在能量上占据更高比例。总体而言，EEG信号的能量主要集中于4–12 Hz区间，幅值集中在10–50 µV。
2.2 LFP（局部场电位）
LFP反映局部神经元群体的同步活动，频率范围为0.1–300 Hz，幅值通常为几十至几百微伏。LFP呈现典型的1/f功率谱特性，低频成分（<100 Hz）能量显著高于高频段（100–300 Hz）。
具体研究中，大鼠海马CA1区LFP在θ节律（4–12 Hz）和γ振荡（30–100 Hz）中表现活跃，纹状体LFP在80–120 Hz区间与θ相位耦合显著。人类皮层LFP中，低γ（30–60 Hz）与高γ（60–250 Hz，尤其80–150 Hz）可被区分，可能源于不同的生理机制。恒河猴视觉皮层LFP在自发活动中最大功率集中在γ频段（40–100 Hz）。幅值方面，皮层LFP通常为100–500 µV，帕金森病患者基底节LFP约为10–100 µV，而大鼠海马裂隙附近θ波幅值可达数百µV甚至超过1 mV。
图1：海马中的相位-振幅调制。(A) 记录于CA1区的海马振荡平均功率，并针对4个目标频率范围内的每个任务事件窗口进行绘制。事件的标记如图1B所示。(B)连续任务时期记录的平均功率谱。（C和D）从所示不同任务事件窗口期间记录的LFP获得的相位-振幅调制图。C图中显示了所研究的整个高频范围（40-200 Hz）内节律的振幅调制。D图中显示了以伽马波为重点的高频范围（30-110 Hz）内的调制。A–D所示的结果是通过分析一只代表性大鼠CA1浅层中的四极管在一次试验中所有试验(n =40)获得的。
图2：纹状体 80-120 Hz LFP 振荡的振幅在同时发生的纹状体θ振荡的波谷处达到最大值。(A)(上图)与θ（5-8 Hz）波谷时间锁定的平均归一化功率的时频图。（下图）图中显示了100 Hz处的平均归一化功率（红线）。θ波谷锁定的平均原始信号在上图和下图中均以灰线显示。（B）（左）通过将LFP轨迹对准80至120 Hz振荡峰值处获得的平均原始信号。（右）峰值出现处的θ相位直方图。
2.3 Spike（神经元峰电位）
Spike信号对应单个神经元的动作电位，时宽约0.5–1 ms，频谱能量主要集中在300 Hz以上，典型记录带宽为300 Hz–10 kHz。细胞外记录的峰电位幅值通常在几十至数百微伏之间，常见阈值设为50 µV。
一项非人灵长类运动皮层研究表明，spike信号的能量分布为：1–7 kHz占比约69.4%，300–1000 Hz占比约26.3%，低于300 Hz的成分仅占4.2%。这表明高频成分（>1 kHz）携带最主要的信息量。在实际记录中，猴子初级运动皮层的spike幅值约为50–600 µV。
图3：大鼠海马CA1锥体细胞胞内动作电位与胞外脉冲幅度和形状之间的相关变化。A：电流注入诱发 (0.6 nA) 的动作电位爆发。上：宽带胞外信号（额外，1 Hz至3 kHz）。中间：高通滤波后的细胞外信号（额外，0.3-3 kHz），来自另一个邻近细胞的脉冲。底部：细胞内信号，显示由350毫秒去极化步骤诱发的动作电位。
图4：300–1,000 Hz频带内的尖峰表示。a，从皮层内非人类灵长类动物记录中提取的两个平均神经脉冲的频谱（实线，窄/假定的中间神经元；虚线，宽/假定的锥体神经元）。顶部：平均神经脉冲波形。底部：上述波形的插值快速傅里叶变换，按相关频带分割，并标准化为每次变换的最大值。图例中的数字表示属于每个频带的功率量，实线由最左边的百分比表示。b ，在SNR为10时对a中实线单元的单元模拟记录。顶部：原始模拟噪声信号（灰色），其中脉冲出现（紫色三角形）和 SBP（蓝色）叠加。底部：顶部图的片段，其中SBP手动垂直偏移以避免遮挡。
图5：上图：在执行伸手抓握任务时，在猴子初级运动皮层中记录的具有尖峰活动的真实皮层内信号。下图：脉冲幅度根据所示的示例性信噪比缩放图。
2.4 ECoG（皮层电图）
ECoG信号通过皮层植入电极采集，频带覆盖0.01–300 Hz，幅值远高于头皮EEG，典型峰峰值范围为500–1500 µV（0.3–70 Hz带宽）。其功率谱也呈1/f衰减趋势，低频段（<100 Hz）能量占优，但高γ频段（30–100 Hz，尤其是70–110 Hz）在运动执行、听觉处理、视觉空间注意等任务中表现出显著的活动增强。
ECoG中α/β（8–30 Hz）与γ（30–100 Hz）频段均较为活跃，高频振荡（HFOs）在运动意图识别和癫痫灶定位中具有重要价值。
2.5 EMG（肌电图）
EMG信号频率范围约为10–500 Hz，主要能量集中在20–250 Hz，尤以50–150 Hz最为突出。该频段可占总能量的大部分，具体比例因肌肉类型和收缩强度而异。低于50 Hz的成分易受运动伪影干扰，高于150 Hz的成分功率较小。
EMG幅值具有随机性，峰峰值通常在0–10 mV之间，均方根值约为0–1.5 mV。实际应用中，幅值范围从几十微伏到数毫伏不等。
图6：在最大值的50%的恒定力等长收缩期间从胫骨前肌检测到的EMG信号的频谱。
2.6 ECG（心电图）
ECG信号的标准采集带宽为0.5–150 Hz或0.05–100 Hz。各波形成分的频谱分布如下：P波（5–30 Hz）、QRS复合波（8–50 Hz）、T波（0–10 Hz）。尽管ECG理论上可包含更高频成分（≥100 Hz），临床习惯将带宽限制在百赫兹以内。
幅值方面，QRS复合波最大，正常成人R波幅值在常规导联中可达0.5–3 mV；T波幅值较小，约为0.1–0.2 mV。总体而言，ECG的主要能量集中在0.05–35 Hz区间，QRS波群贡献了绝大部分频谱能量。
图7 上图：心动周期的波定义。P 波、QRS 波群和 T 波的起点和终点分别用虚线表示。
下图：P 波、QRS 波群和 T 波的功率谱。
3. 总结与对比
为便于快速查阅，下表汇总了六类信号的一般频率范围、主要能量集中区间、典型幅值范围及主要集中幅值：
| 信号类型 | 一般频率范围 | 主要集中频率 | 一般幅值范围 | 主要集中幅值 |
|---|---|---|---|---|
| EEG | 0.1–100 Hz | 4–12 Hz（α/θ） | 10–100 µV | 10–50 µV |
| LFP | 0.1–300 Hz | 低频（<100 Hz）主导，γ（30–150 Hz）活跃 | 几十–几百 µV | 10–100 µV（深部），几百 µV–1 mV（海马） |
| Spike | 300 Hz–10 kHz | 1–7 kHz（~69.4%） | 几十–几百 µV | 50–600 µV |
| ECoG | 0.01–300 Hz | α/β（8–30 Hz），γ（30–100 Hz），高γ（70–110 Hz） | 0.01–5 mV | 500–1500 µV |
| EMG | 10–500 Hz | 50–150 Hz | 几十 µV–几 mV | 0–10 mV（峰峰值） |
| ECG | 0.05–150 Hz | 0.05–35 Hz（QRS为主） | 0.1–4 mV | QRS：0.5–3 mV；R波：0.5–1 mV |
参考文献
[1] Chetan S. Nayak; Arayamparambil C. Anilkumar. EEG Normal Waveforms[J]. 2023.
[2] Tort A B L, Kramer M A, Thorn C, et al. Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task[J]. Proceedings of the National Academy of Sciences, 2008, 105(51): 20517-20522.
[3] Nason S R, Vaskov A K, Willsey M S, et al. A low-power band of neuronal spiking activity dominated by local single units improves the performance of brain–machine interfaces[J]. Nature Biomedical Engineering, 2020, 4(10): 973-983.
[4] Hill N J, Gupta D, Brunner P, et al. Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping[J]. Journal of Visualized Experiments (JoVE), 2012 (64): e3993.
[5] De Luca C J. Surface electromyography: Detection and recording[J]. DelSys Incorporated, 2002, 10(2): 1-10.
Tips：下一讲，我们将进一步探讨，脑电信号分析的其他内容。
以上就是脑机接口常用生理信号频率与幅值特性分析的全部内容啦~
我们下期再见，拜拜(⭐v⭐) ~
（Ps：有代码实现需求，请见下列【微信名片】或【主页信息】，谢谢支持！~）