فلترة high-pass و low-pass

ماذا يعني ما رأيته؟

لاحظ في اللوحة أن الرقم الذي تكتبه في EEGLAB هو حافة النطاق المسموح (passband edge)، وأنه غير القطع الفعلي.

ولاحظ أن low-pass عند 30 هرتز أزال قمة الكهرباء أيضاً. لهذا يهمّك درس إزالة ضوضاء الكهرباء أكثر إذا احتفظت بالترددات العالية. وهذا يحدث في ICA والتحليل الطيفي والزمني-الترددي. وتردد الكهرباء يعتمد على بلد التسجيل: 60 هرتز في السعودية وأمريكا، و50 هرتز في أوروبا وأغلب الدول العربية الأخرى. تحقّق من الطيف قبل أن تفترض.

تبسيطات في المحاكاة: قناة واحدة بإشارة مصطنعة لا EEG حقيقي، ومعدل عيّنات ثابت 250 هرتز. في بياناتك قد يختلف المعدل، فتختلف رتبة الفلتر.

لماذا أحتاج هذه الخطوة؟

بدون فلترة، قد يغطّي الانجراف البطيء على الإشارة الدماغية التي تبحث عنها، وتصبح كل خطوة بعدها أصعب.

كيف أطبّقها في EEGLAB؟

ابدأ والداتاست eeglab_data.set مفتوحة كما في “نقطة البداية”. سنطبّق فلترين، كل واحد في خطوة مستقلة.

أولاً: فلتر high-pass

1. افتح Tools › ثم Filter the data › ثم Basic FIR filter (new, default).
2. في خانة Lower edge of the frequency pass band (Hz) اكتب 0.1.
3. اترك خانة Higher edge of the frequency pass band (Hz) فارغة.
4. اترك خانة FIR Filter order (Mandatory even. Default is automatic*) فارغة، فيحسبها EEGLAB تلقائياً.
5. أبقِ Plot frequency response مفعّلاً، ثم اضغط OK.
6. تظهر نافذة استجابة الفلتر. لاحظ أن الاستجابة ترتفع من الصفر إلى الواحد قرب 0.1 هرتز، ثم أغلقها.
7. تظهر نافذة تسأل ماذا تفعل بالداتاست الجديدة. في Name it: اكتب اسماً واضحاً مثل D1 hp0.1.
8. اترك Overwrite it in memory (set=yes; unset=create a new dataset) غير مفعّل، حتى تبقى النسخة الأصلية للمقارنة. اضغط OK.
9. احفظ هذه الداتاست الآن من File › ثم Save current dataset as باسم D1_hp0.1.set. هي النسخة الرئيسية للمسار، ونقطة بداية الدرس التالي.

ثانياً، تمرين: فلتر low-pass على الداتاست الجديدة

1. افتح نفس القائمة: Tools › ثم Filter the data › ثم Basic FIR filter (new, default).
2. اترك خانة Lower edge of the frequency pass band (Hz) فارغة هذه المرة.
3. في خانة Higher edge of the frequency pass band (Hz) اكتب 30.
4. اضغط OK، ثم سمِّ الداتاست D1 hp0.1 lp30. هذه داتاست التمرين، وتستخدمها في قسم التحقق فقط، ولا تحفظها.

كيف أكتبها بالكود؟

نفس الخطوتين في سكربت. كل فلتر في سطر مستقل، والـ low-pass في متغيّر منفصل لأنه تمرين.

% High-pass: passband edge at 0.1 Hz (removes slow drift)
EEG = pop_eegfiltnew(EEG, 'locutoff', 0.1);
EEG.setname = 'D1 hp0.1';
EEG = eeg_checkset(EEG);
EEG = pop_saveset(EEG, 'filename', 'D1_hp0.1.set', 'filepath', pwd);   % path copy: the next lesson starts here

% Exercise only: low-pass with passband edge at 30 Hz (removes fast noise)
EEG_lp = pop_eegfiltnew(EEG, 'hicutoff', 30);   % exercise only: do not save
EEG_lp.setname = 'D1 hp0.1 lp30';

في السكربت لا تظهر نافذة استجابة الفلتر، لأن القيمة الافتراضية لـ 'plotfreqz' هي 0. إذا أردتها أضف 'plotfreqz', 1.

أي قيمة أختار؟

الفلاتر الأخرى في القائمة: تعرض Tools › ثم Filter the data أيضاً Windowed sinc FIR filter و Parks-McClellan (equiripple) FIR filter و Moving average FIR filter، من نفس إضافة firfilt، و Basic FIR filter (legacy)، وهو الفلتر القديم الباقي للسكربتات القديمة؛ لا تستخدمه في عمل جديد. كل واحد منها يطلب منك أن تختار رتبة الفلتر وتفاصيل أخرى بنفسك، فتحتاجها فقط عندما يطلب بحث أو حالة خاصة تصميم فلتر معيّن. في هذا المسار يكفي Basic FIR filter (new, default).

ملاحظة على أرقام Luck: Luck يستخدم فلاتر ERPLAB، والرقم عنده هو القطع عند نصف السعة. في EEGLAB الرقم حافة النطاق المسموح، فالقيمتان 0.1 و 30 تعطيان قطعاً فعلياً (-6 dB) عند 0.05 وحوالي 33.6 هرتز في D1. الفرق صغير ومقبول عملياً.

عن هذه الأرقام: اختر الحدود حسب هدفك. التوثيق الرسمي نفسه لا يعطي قيمة high-pass ثابتة للـ ERP، ويقول إن أثر الفلاتر على الـ ERP ما زال موضع نقاش. الأرقام في الجدول نقاط بداية، لا قوانين.

في المسار الأساسي لهذا الموقع هدفنا تحليل ERP. نطبّق الـ high-pass عند 0.1 هرتز الآن على النسخة الرئيسية، ونؤجّل الـ low-pass عند 30 هرتز إلى ما بعد تنظيف البيانات بـ ICA. السبب أن ICA و ICLabel يستفيدان من الترددات العالية، فالـ low-pass يأتي في آخر المعالجة المستمرة. لذلك فلتر الـ 30 هرتز في هذا الدرس تمرين لترى أثره.

كيف أتأكد أنها نجحت؟

1. اقرأ ما طبعه EEGLAB في نافذة الأوامر. مع D1 (128 هرتز) سترى للـ high-pass سطراً مثل performing 4225 point highpass filtering، وقطعاً فعلياً 0.05 هرتز. وللـ low-pass فلتراً بطول 59 نقطة وقطعاً فعلياً حوالي 33.64 هرتز.
2. قارن الطيف. افتح Plot › ثم Channel spectra and maps على الداتاست الأصلية ثم على D1 hp0.1 lp30. للتنقّل بين الداتاست استخدم قائمة Datasets. غيّر خانة Plotting frequency range [lo_Hz hi_Hz]: من 2 25 إلى 1 64، لأن النطاق الافتراضي لا يُظهر ما فوق 25 هرتز. واترك باقي الخانات كما هي.
   • يجب أن تنخفض القوة فوق 34 هرتز تقريباً.
   • في D1 ستختفي قمة الكهرباء الحادة عند 60 هرتز.
   • يجب أن تبقى قمة ألفا قرب 10 هرتز كما هي.
   • تموّجات صغيرة في المنطقة المحذوفة طبيعية، ويذكرها التوثيق الرسمي.
   • أثر الـ high-pass عند 0.1 هرتز لا يظهر في هذا الطيف، لأن دقته حوالي 1 هرتز. تتحقق منه في الخطوة التالية.
3. انظر للإشارة نفسها. افتح Plot › ثم Channel data (scroll) على الأصلية ثم على D1 hp0.1. يجب أن تتوسّط كل القنوات حول خط ثابت بدل أن تصعد وتنزل ببطء.

ما الأخطاء التي يقع فيها كثيرون؟

• اعتبار الرقم قطعاً فعلياً. الرقم الذي تكتبه حافة النطاق المسموح. في high-pass القطع الفعلي أقل منه: 1 هرتز يعني قطعاً عند 0.5 هرتز تقريباً. وفي low-pass أعلى منه: 30 هرتز يعني حوالي 33.6 هرتز في D1.
• high-pass عالٍ في بيانات ERP. فلتر 1 أو 2 هرتز يقلّص سعة P3 و N400 ويصنع انحرافاً معاكساً قبلهما وبعدهما. جرّبه بنفسك:

المحاكاة تحتاج JavaScript. هذه صورة ثابتة للفكرة نفسها.

• الفلترة بعد التقطيع. فلتر البيانات المستمرة قبل استخراج الـ epochs. التقطيع أولاً يضاعف أثر الأطراف في كل مقطع قصير.
• تطبيق الفلترين في خطوة واحدة. إذا كتبت الحافتين معاً في نفس النافذة، يشترك الفلتران في نفس عرض النطاق الانتقالي، فيصبح الـ low-pass أحدّ من اللازم. التوثيق الرسمي يوصي بتطبيق كل فلتر وحده.
• إعدادات مختلفة بين المشاركين. استخدم نفس الحدود ونفس الطريقة لكل المشاركين في الدراسة، وإلا صار الفرق بينهم من الفلتر لا من الدماغ.

كيف أكتبها في ورقتي؟

قالب: عدّل البيانات والإعدادات والإصدارات لتطابق ما نفّذته.

Data were high-pass filtered using a zero-phase Hamming-windowed sinc FIR filter (passband edge 0.1 Hz, cutoff frequency [0.05] Hz at −6 dB, transition bandwidth [0.1] Hz, filter length [4225] points; pop_eegfiltnew, firfilt plugin 2.8, EEGLAB 2026.1; Widmann et al., 2015).

للتوسّع

• EEGLAB Tutorial: https://eeglab.org/tutorials/05_Preprocess/Filtering.html (5. Preprocess data > a. Filtering)
• EEGLAB Firfilt FAQ: https://eeglab.org/others/Firfilt_FAQ.html (Firfilt FAQ)
• Luck, Applied Event-Related Potential Data Analysis (الطبعة الأولى): https://socialsci.libretexts.org/Bookshelves/Psychology/Biological_Psychology/Applied_Event-Related_Potential_Data_Analysis_(Luck) (الفصل 4: Filtering)
• EEGLAB preprocessing #4: Filtering: https://www.youtube.com/watch?v=nshi47blz7Q (الفيديو كاملاً)