脑电信号在采集完以后，需要进行一系列的预处理操作，然后才能用于后续的科学研究和计算。预处理是脑电信号分析最基本且重要的一步。基于python环境MNE库。

1 使用带通滤波器，信号滤波，去噪，去工频干扰

data_path = sample.data_path()
meg_path = data_path / "MEG" / "sample"
raw_fname = meg_path / "sample_audvis_filt-0-40_raw.fif"

raw = mne.io.read_raw_fif(raw_fname).crop(0, 60).pick("meg").load_data()

reject = dict(mag=5e-12, grad=4000e-13)
raw.filter(1, 30, fir_design="firwin")

加载完raw数据以后，直接使用raw.filter() 进行带通滤波。

2 进行独立成分分析，去除一些artifacts

由于独立成分分析对低飘移很敏感，所以一般在进行独立成分分析之前，需要对数据进行高通滤波，一般高通滤波的截止频率为1H在。

这里可以使用mne.preporcess.ICA() 函数 实现对raw信号的独立成分分析。

def run_ica(method, fit_params=None):
    ica = ICA(
        n_components=20,
        method=method,
        fit_params=fit_params,
        max_iter="auto",
        random_state=0,
    )
    t0 = time()
    ica.fit(raw, reject=reject)
    fit_time = time() - t0
    title = "ICA decomposition using %s (took %.1fs)" % (method, fit_time)
    ica.plot_components(title=title)