清明假期三天，朋友圈里全是踏青的照片——樱花、油菜花、风筝。我在家写了三天代码。

倒也不是不想出门，只是最近有个 EEG 信号处理的练习做了一半，心里老惦记着。数据集是公开的 PhysioNet EEG Motor Movement/Imagery Dataset，目标是区分左右手运动想象时的脑电信号。上周用简单的 FFT + SVM 勉强跑通了，但准确率只有 62%，太低了。

这两天尝试了几个改进方向：先用带通滤波器（8-30Hz）滤掉肌电和眼电伪迹，然后试了 ICA（独立成分分析）去除眨眼带来的干扰。预处理完之后，信号肉眼看着就干净多了。接着换了 CSP（共空间模式）做特征提取，准确率一下子飙到了 78%。

下午泡了一杯乌龙茶，然后写代码入迷了，发现一口没喝——已经凉透了。

傍晚给一个朋友发了条消息显摆准确率，他回了一句：“你能不能拿这个给我的右手装个义肢？“我笑出了声。比起义肢，我更感兴趣的是用脑电信号来控制外部设备——也就是 BCI（脑机接口）的核心思路。虽然我现在做的只是分类左右手运动想象，和真正的 BCI 差了十万八千里，但每次看到分类图上的两个簇被清晰分开，都有一种微妙的成就感。

晚上把代码推到了 GitHub，然后在 README 里加了一个 TODO list：提升准确率到 85%+，尝试用深度学习（EEGNet、DeepConvNet），最后做成一个实时的脑电控制 demo。

标题放在那了，不知道能不能做完，但至少有了个方向。