从微伏到数字
想象你要在嘈杂的体育场里听清一个人的低声细语。这大致就是脑机接口面对的挑战。你的神经元产生的电信号非常微弱——以微伏（百万分之一伏特）来衡量——而周围的世界却充满了电噪声。计算机要利用这些信号，它们必须先走过一段叫做采集链的旅程。
这条链有三项大任务。第一是放大：把微弱的信号提升到高于噪声底线。然后是采样：每秒测量许多次，就像电影画面把运动的场景定格。最后是数字化：把每次测量转换成一个离散的数字。到最后，一道平滑起伏的电压就变成了一串数字——这是脑机接口后续一切工作的原材料。
放大
头皮 EEG 信号往往只有几十微伏——小到无法直接测量。所以链条上的第一个器件就是放大器：一种专门用来把信号放大的电子元件。它放大的倍数叫做增益。比如增益为 10000，就能把 20 微伏的低语变成 0.2 伏的信号，系统其余部分就能轻松处理了。
但放大器忠实得有点过头：它放大噪声的劲头和放大你的脑信号一样足。这时阻抗——电极与皮肤的连接对电流流动的阻碍程度——就在悄悄起作用。高阻抗、贴合不良的电极会让杂散干扰渗入，与真实信号一起被放大，产生信号伪迹。把阻抗保持在低位（清洁皮肤、用好导电膏或导电胶、接触紧密）是获得更干净记录最简单的办法之一。
采样与奈奎斯特法则
放大之后，信号仍然是一道平滑、连续变化的电压。计算机无法存储无限平滑的东西，于是它会采集样本——在等间隔的时刻给电压拍快照。每秒的快照数量就是采样率，以赫兹（Hz）为单位。可以把它想象成给旋转的车轮拍摄：每秒帧数够多，运动看起来就正常；帧数太少，车轮就可能看起来缓慢爬行、静止不动，甚至倒转。
车轮倒转的错觉，在信号记录中有一个严肃的近亲，叫做混叠：如果采样太慢，脑信号里的一段快速摆动就会伪装成一段缓慢的，事后你再也无法把它们区分开。解决办法是工程师哈里·奈奎斯特和克劳德·香农发现的一条简单法则：你的采样速度必须至少是你所关心的最高频率的两倍。
f_s >= 2 x f_max # f_s = sampling rate (samples per second, Hz) # f_max = highest frequency in the signal you want to keep # Sample at least twice the fastest frequency, or it aliases.
量化与分辨率
采样决定你*何时*测量；量化决定你把每次测量记录得*多精细*。计算机以离散的台阶存储数字，所以每个快照处那道平滑的电压会被四舍五入到最接近的台阶——就像读温度只读到最接近的整数度。台阶的数量由转换器使用多少比特决定：每多一个比特，台阶数就翻一倍。8 比特转换器提供 256 个等级；16 比特转换器提供 65536 个。
比特越多意味着分辨率越细——四舍五入的误差更小，于是脑信号中那些微妙的细节得以保留，而不会被抹平。由于 EEG 的特征可能极其微小，脑机接口系统通常使用 16 到 24 比特，能捕捉远小于一微伏的电压差异。当放大、采样和量化全部完成，大脑那微弱的电学低语终于变成了一串干净的数字，为接下来的解码步骤做好了准备。