1.干净数据 ¶

数据越干净，需要每名被试完成的试次数量以及被试的样本量就越少。

1.1 ERP平均和试次数量 ¶

EEG的背景活动掩盖了单个试次中的ERPs。通过对多个试次进行平均，可以将ERPs从EEG噪声中分离出来。对ERP平均来说有足够的试次很重要。但是噪声的平均效应和试次数量不是线性关系，噪声的降低是试次数量平方根的函数。试次数量加倍，噪声只能减小大约30%。

1.2 从噪声源减少噪声 ¶

试次数量加倍会导致数量时间过长，另一个减小噪声的方法是在记录数据之前，就将噪声减小。减小除了EEG信号中的噪声之外的其他生物学信号，如皮肤电位和环境中的非生物学电气噪声。

1.3 数据处理减少噪声 ¶

Hansen原理：“好数据是无可替代的”

数据处理可以去除偶然出现的伪迹试次，使好数据变得更好。但是后续数据处理会歪曲数据。含有持续性噪声和系统性伪迹的数据，无法通过伪迹去除进行改进。

在源头上消除噪声，鼓励被试尽量减小生物电伪迹，以及设计实验时尽量使效应量相比噪声最大化。

2.电极 ¶

EEG通道由活动电极（A）、参考电极（R）、接地电极（G）组成。

2.1 参考电极 ¶

EEG系统常用差分放大器解决噪声问题。差分放大器包含参考电极、活动电极和接地电极。放大器记录A和G之间的电势（A-G）以及R和G之间的电势（R-G）。放大器输出两个电压之间的差值（[A-G]-[R-G]),等价于A-R。存在于G中的噪声都被减去。

ERP波形体现的是两个都包含神经活动的位置之间的电压差。不存在电中性的点，所以ERP活动波形反映的活动中既有来自活动点，也有来自参考点的贡献。

2.2 离线重参考 ¶

可以多次进行离线参考转换，以观察不同参考对数据的影响。

2.2.1 平均参考 ¶

将所有头皮电极的平均作为参考。

优点：1，很方便；2，并不偏向某一侧半球；3，因为体现多个电极的平均，所以更易于减小噪声；4，只要电极组合覆盖了大部分头皮，平均参考便不大可能会减掉某个特定成分中的大部分电压。

副作用：1，如果所使用的电极仅仅覆盖了头部的一部分，那么将缺少许多在计算整个头部表面平均时所需要的电压值。所以在最理想状态下，平均参考也只是绝对电压的一个不完美的近似。2，使用平均参考得到的ERP波形和头皮分布将根据碰巧记录的电极位置而发生变化。3，在每个时刻点，所有电极的电压相加之和总会是0，数据被转为平均参考后，很多电极都变成了负电位。4，会导致很难在不同的研究之间比较波形和头皮分布，因为大家使用的电极组合不同。

2.2.2 参考点的选择 ¶

需要考虑的因素：

不存在真的电气中性点，可以选择一个方便舒服（对被试而言舒适）的点。
避免选择一个偏向某侧半球的参考点。可以将两侧对称电极整合作为参考电极。
避免使用会引入很多噪声的参考电极。比如颞肌附近的电极。
避免参考电极与最感兴趣的区域离得太近。N170实验通常不会使用乳突作为参考点。Cz点的P3和N400成分很大。
为了和已发表的研究结果进行比较，最好使用这类研究常使用的参考点

选择双侧乳突平均的原因：方便、无偏向性、使用广泛。但是靠近颈部，会有肌肉相关伪迹和心电伪迹。P9和P10可以作为类似备选。