对于运用在体神经电生理技术科研人员而言，我们的工作如同手持听诊器，细致地聆听颅骨之下那细微的声响，渴望从中捕捉到揭示大脑功能和生物学原理的宝贵信息–微弱的神经电信号。然而，当这些微弱的大脑电信号遭遇不和谐的噪声时，其对精准探测大脑电信号来说，影响无疑是极其严重的。电生理技术的有着高时空分辨率，但也因此伴随着较低的容错率。即使是短暂至几秒或几十微秒的噪声干扰，也可能对后续的信号处理产生巨大影响，特别是在进行神经计算分析时。因此，确保数据的高信噪比（SNR）并有效排除实验中的噪声干扰，是每一位神经科研“电工”必须面对的问题，也是记录到良好信号的必经之路。
要想解决这个问题，我们首先要搞清楚噪声干扰的可能来源。从广义上来看，干扰分为生理性和物理性干扰。生理性干扰是指那些非记录区域的组织和器官产生的生物信号，比如最常见的由肌肉、眼动、心跳引起的肌电干扰。当在电信号的频谱上出现这类与自主节律高度耦合的干扰信号，大概率需要对电极植入术式进行优化，包括使用颅钉接地和确认牙科水泥固定的密闭性等。因此，生理性干扰无论是在实验设计上的细分，还是在湿实验方法上都很难做到统一，只能“因地制宜”的进行讲解。那么本篇文章将重点讨论电生理信号记录过程中「物理性噪音排除」的方法。
这类干扰主要是由于电磁干扰(Electromagnetic Interference)以及接地不良导致的。电磁干扰的主要来源是导线和各类能够充放电的设备，它们都很容易成为具有天线特性的辐射干扰源。目前大多数实验室所使用的电生理信号采集系统都是成熟的商业化产品设备，所以在内部电路和信号放大器设计上已经进行了抗干扰处理的考虑，比如差分电路和电气隔离等，那么电磁干扰更可能来源于设备外。为了减少电磁干扰，按照信号采集过程中噪音产生的几个方面可采取如下大致措施：
01
将所有与电生理记录系统相关的电路接地降低电磁干扰的一个重要途径是设计连接电路的接地，这里面应该遵循的原则是：1.尽可能增大接地面积；2.保证电路各部分有各自接地点维持。我们将电生理的记录系统以及环境内的所有作为节点的充放电设备看作一个完整的连接电路，排干扰需要做到的是对于每个用电器都尽可能的接地。
分享一下关于接地部分的实用心得
每个元器件连接到接地点或地线时必须特别小心，具体而言就是照前面提到的两点原则。充分的接地可以减少辐射、串扰和噪声。比较推荐选择一些方便、有效的小工具来帮助我们解决各处接地点的连接和固定问题。
我在排除噪声干扰中最常用到的是鳄鱼夹连接线和铜箔胶带，鳄鱼夹可以用于连接飞线的问题，将各处地线连接会省去很多接线的烦恼，也是快速排查干扰源的一个好帮手。通过简单的接通地线，可以在排查中找到干扰源的位置。比如当我们不确定实验环境中的干扰源时，可以将可疑干扰源与地线通过鳄鱼夹连接起来，再配合FFT（Fast Fourier Transform）分析或者实时观察采集数据信噪比，可以更加方便和有效地排除干扰噪声。
铜胶带则更多用于固定电路中各种导线，以及一些容易形成天线效应原件的包裹。通过对重点目标（包括后文提到的各类电源）的确认和排除，也是能够快速去噪的有效方式。当在电生理记录场景下有其他容易产生电磁干扰的物品，例如裸露的导线，可以选择使用铜胶带将导线进行包裹，以此来隔绝电磁辐射的干扰。当然再结合前文中提及的使用鳄鱼夹检测干扰源的方法，就可以更牢固地将干扰源稳稳地与地线固定在一起。要知道接地的晃动、不稳定也可能是噪声的一个源头。
以上方法可以根据具体的实验场景进行灵活变通，比如有多台用电设备共同工作的情况下，可以用鳄鱼夹将几组设备地线连接起来；有用到像开源硬件（Arduino）这样的开发板的场景时可以考虑用铜胶带将导线与地线固定。总之，接地应该遵循的原则是“应接尽接”，通过严格把关，将干扰排除在信号的采集之外。
02
减少环境内的电源
通常实验室里可能出现在电生理记录设备旁的用电设备，例如无影灯冷光源、微量注射蠕动泵、人工呼吸机、控制器、单片机、激光器等（图1.1）都可能会是磁场干扰的重要源头。甚至房间内的大功率电源、空调、照明灯以及空滤设备（图1.2）都有可能产生电磁干扰，我们在进行电信号采集时，要尽可能的关闭和拔掉房间内的电器和电源线。对于以上提到的这些设备，如果是我们实验需求所必须在记录时间开启使用的话，那么我们也可以采用前文提到的飞线接地方法将干扰排除。
03
保证连接的稳定
另一个常见的噪声来源是间断连接，也就是的电路导线连接不牢固，接触不良导致的噪声。解决这个问题就要求我们在每个元器件的插拔时必须特别小心，例如有些采集过程中用到adapter元件，要确保adapter与headstage、headstage cable与ADC数模转换器的连接稳固，除此以外前面提到的地线也需要稳定的与接地金属板建立稳定的接触。如果遇到了这种连接问题，可以尝试断开两端的连接，检查接口清洁和完整情况，然后再紧密连接导线与接口。鉴于以上，我们在进行每次信号采集实验之前，应该对于记录系统的每一个用到的连接点进行系统性的排查，尽量杜绝间断连接造成的噪音。
04
物理屏蔽通过上述我们提到的排除干扰的方法，可以对环境内的电磁干扰进行优化，但是除此以外，如果需要排除环境的静电噪声，可能就需要使用物理屏蔽的方法消除。这里我们介绍经典的方法是在外部使用屏蔽网（图2）,借助密集铜网封包电生理采集系统。这种屏蔽网的静电屏蔽原理类似于法拉第笼，网体与大地连通，根据接地导体静电平衡的条件，网体是一个位体，内部电势差为零，电场为零，电荷会停留在导体外部，而不会向内部移动。这就保证了笼内的电生理记录系统不会受到外部环境的噪声。
在使用这些实用技巧对电生理信号采集实验进行优化后，如果我们能对信号质量有一个判断是不是就更好了呢？要想实现这个目的，就需要实现对于数据的可视化分析。我们在这里用电生理中的局部场电位信号LFP（Local Field Potential）为例，来教大家如何“看”信号。
一般的电干扰会出现在交流电工频50Hz（220v）或60Hz（110v）, 因为LFP和Spike都属于连续时域信号，那么如果能“一眼”看到信号在频率上的整体响应情况，就可以更快速的的判断噪声是否出现。实现这一目标的方法就是功率谱分析 (power spectral density analysis)。以一段混杂有50Hz干扰的LFP信号为例（图3.1），其实从原始信号中已经能看到明显的高频尖峰样干扰信号，规律的出现在LFP信号当中，这种情况是比较常见的连续性干扰噪声。这里我们还是基于常用的matlab作为工具来对数据分析，通过调用快速傅里叶变换 (Fast Fourier Transform)函数对LFP数据处理后，可以得到能量值上的频率信号，关于这部分的代码和原始局部场电位数据我会放在下面供大家查看和试用。从我们的频谱图（图3.2）上可以明显看到50HZ频段上表现出明显的能值响应，提示我们LFP信号中混杂了工频的电磁干扰噪声。
关于FFT函数的原理和实例讲解文章，我把讲解的链接放在文末，github也有相关的开源数据集和代码感兴趣的小伙伴可以搜索关键词‘LFP & PSD analysis’自行查阅，据了解，市面上一些更新更智能的神经信号采集分析产品包含的智能算法中已经包含排噪程序。
综合以上，噪声干扰确实是对电生理数据稳定性的严重威胁，需要在记录过程中对信号质量严格把关。在实验层面上的排除干扰，归根到底还是接地的问题，大部分的噪声干扰可以通过充分接地解决。以上分享的关于解决电磁干扰问题的技巧概览，希望能帮到大家，如果在电生理实验和神经科学的科研上有其他感兴趣的问题，也非常欢迎大家共同参与讨论。文末分享给大家一个自编写排噪算法，希望能帮助到大家。
Code% Set default parameters
fs = 1000;
bin = 0.1;
% Load LFP
load(‘FP.mat’)%读取LFP信号
lfp_demo = FP;
%频谱分析
n = length(FP)
f = linspace(-fs/2,fs/2-1,n);
y0 = abs(fftshift(fft(lfp_demo./(n))));
%plot
subplot(211)
plot(lfp_demo);
ylim([-2,2])
xlabel(‘Time’);
ylabel(‘Amplitude(a.u.)’);
title(‘LFP原始信号’)
subplot(212)
plot(f,y0);
xlabel(‘Frequency’);
ylabel(‘a.u.’);
xlim([0,100])
title(‘LFP频谱图’)
%% Save
print(figure(1),’-djpeg’,’-r300′);
LFP原始数据百度云盘链接:
https://pan.baidu.com/s/10-XEx6BcveNSVAp-ej_meA?pwd=a815
提取码: a815
FFT讲解链接：“深入浅出解释FFT（七）——fft求频谱图和功率谱密度图” https://gitcode.csdn.net/65ea7fb51a836825ed792a74.html“matlab信号频谱分析FFT详解” https://blog.csdn.net/qq_34070723/article/details/91549184
发表回复