步骤 13:平均参考

import mne

# ====== 方式 A：标准平均参考（推荐） ======
raw.set_eeg_reference(ref_channels='average', projection=False)

# ====== 方式 B：投影式平均参考（推荐用于 source localization） ======
# 会创建 raw.info['projs'] 中的平均参考投影
# 后续 epochs.apply_proj() 才会真正施加
raw.set_eeg_reference(ref_channels='average', projection=True)

# ====== 方式 C：REST 参考（无穷远参考） ======
# REST = Reference Electrode Standardization Technique（Yao, 2001）
# 原理：通过球面样条把任意参考重建为"无穷远"零电位
# 不是 Laplacian！Laplacian 是另一种方法（CSD, compute_current_source_density）
#
# ⚠️ 必须先构造 forward：
#   forward = mne.make_forward_solution(raw.info, trans=trans, src=src, bem=bem, eeg=True)
#   然后：
from mne.preprocessing import compute_current_source_density  # 仅用于对比
forward = mne.make_forward_solution(raw.info, ...)  # 需先构造 forward
raw.set_eeg_reference(ref_channels='REST', forward=forward)

# ====== 方式 D：自定义参考通道 ======
raw.set_eeg_reference(ref_channels=['Cz'], projection=False)
# 注意：Cz 作为参考会使该通道数据变为 0

# ====== 方式 E：双耳参考（A1+A2 平均） ======
raw.set_eeg_reference(ref_channels=['A1', 'A2'], projection=False)

# 验证 1：所有 EEG 通道均值接近 0（仅在 projection=False 时）
data = raw.get_data(picks='eeg')
mean_per_timepoint = data.mean(axis=0)
print(f"每时刻 EEG 均值范围: [{mean_per_timepoint.min()*1e6:.2f}, {mean_per_timepoint.max()*1e6:.2f}] µV")
# 期望：均值振幅 < 1 µV

# 验证 2：可视化
raw.plot(duration=5, n_channels=30)
# 期望：所有 EEG 通道振幅均值集中在 0

# 验证 3：投影式参考的检查
if 'projs' in raw.info:
    for proj in raw.info['projs']:
        print(proj)
    # 应有 'Average EEG reference' 投影

# 验证 4：PSD 检查（不应因参考改变）
psd = raw.compute_psd(picks='eeg')
psd.plot()