准备阶段：
FCLAB：https://github.com/ramsys28/FCLAB
或者：eeglab中：File -> Manage EEGLAB extensions，这里面下载：
BCT：https://github.com/brainlife/BCT
将下载好的，BCT文件夹放进eeglab工具包中plugins -> FCLAB 中；这里BCT文件夹是最里面的文件夹，打开后是相关的函数，不可打开后还是BCT文件夹；
在matlab中，主页 -> 设置路径 -> 添加并包含子文件夹，选择eeglab添加一下；
调用： Tools -> FCLAB -> Compute Functional Connectivity -> iCOH：
先选择iCOH，勾选Auto Compete运行一下：
注意：
1.到这里有时会报错，稍微注意一下是否文件没添加好，建议都使用gitHub上下载的，不知道是否因为版本不匹配，会报各种错；
2.在最后一步，选择指标时，第一次使用FCLAB的时，要选择iCOH运行一下，然后，需要PLI或者其他指标运行时就不会报错了；
3.关于FCLAB参数的具体介绍，有一篇文章，可以查阅一下：https://ieeexplore.ieee.org/document/8333378
4. 在选定指标，设置好频率后，后面所有的计算都是基于当前的选择；
比如，接下来使用PLI进行计算：
点击ok，运行结束后，默认就可以，选择ok；
可视化：Tools -> FCLAB -> Visualize Functional Connectivity：有三种不同的可视化图形
图论分析：Tools -> FCLAB -> Grap/MST analysis：
界面中阈值的选择，可根据相关研究文献中介绍进行选择；
勾选与否MST，都可进行此可视化：Tools -> FCLAB ->Visualize Grap/MST parameters
不勾选，不可进行此可视化：Tools -> FCLAB -> Visualize MST
对于上述计算的结果，都会保存在EEG结构体中，
红字1：是第一个选择PLI计算出来的邻接矩阵；
红字2：是计算出来的一些指标，图中展示的那样，有局部的一些指标（如度，局部效率等），也有全局的一些指标（如节点数、全局效率、特征路径长度、直径等）；
红字3：是最后计算的最小生成树的相关指标；
如果，需要其中的哪些数据，可以保存下数据，存为.mat格式，就可以正常加载，然后取相应的指标用于统计分析等；
比如：在运行结束后，命令行窗口输入save(‘EEG1125’,‘EEG’);，然后EEG结果就保存成EEG1125.mat了；
然后在代码中，调用就可以了：
