由于神经数据通常比较嘈杂，因此伪影剔除对于数据预处理至关重要。 长期以来，对于这样一种方法，它一直是一个巨大的研究挑战，该方法能够（1）最大限度地消除伪影，并且（2）同时避免结构信息的丢失或破坏，因此存在对数据引入偏差的风险解释可能会降到最低。 在这项研究中，提出了一种方法（即EEMD-ICA），该方法首先使用整体经验模式分解（EEMD）将可能带有噪声的多变量神经数据分解为固有模式函数（IMF）。 然后将独立成分分析（ICA）应用于IMF，以分离出人为成分。 该方法已针对经典ICA和自动小波IC