信号预处理基础：直流分量去除、基线漂移校正、工频干扰陷波滤波
大家好，我是你们的老朋友。今天咱们聊聊肌电信号预处理里最基础、也最绕不开的三个坎儿：直流分量、基线漂移和工频干扰。说实话，这三个问题要是处理不好，后面再高级的算法都是白搭。我刚开始做肌电分析那会儿，就吃过这个亏——数据采回来，看着波形挺漂亮，一跑分析全是错的。后来才明白，预处理才是真正的「地基」。
1. 直流分量去除——别让信号「跑偏」
先说说直流分量。说白了，就是信号里那个恒定的偏移量。你想想看，肌电信号本质上是交流信号，均值应该接近零。但实际采集时，由于电极极化、放大器偏置电压等原因，信号整体会往上或往下飘一段。
核心要点：直流分量不除，后续的滤波、特征提取都会受影响。尤其是计算均方根（RMS）时，偏差会直接放大。
怎么去除？最简单的办法就是减去均值。我个人的习惯是，先取一段静息态数据（比如肌肉放松时的记录），计算均值，然后从整个信号中减去这个值。
import numpy as np
def remove_dc(signal):
"""去除直流分量：信号减去均值"""
dc = np.mean(signal)
return signal - dc
# 示例：假设 emg_signal 是原始肌电数据
emg_clean = remove_dc(emg_signal)
嗯，这里要注意一点：如果信号里有明显的运动伪迹或突发噪声，直接用全局均值可能不太准。我建议用滑动窗口的方式，分段去除直流。窗口长度一般取 0.5~1 秒就够。
小技巧：如果你用的是高通滤波器（比如 5~10 Hz 截止频率），其实也能顺便把直流去掉。但单独做一步减法更可控，也更直观。
2. 基线漂移校正——别让信号「坐过山车」
基线漂移，说白了就是信号的低频缓慢变化。原因很多：电极与皮肤的相对移动、呼吸引起的胸廓起伏、甚至出汗导致的阻抗变化。我在项目中遇到过最夸张的一次，漂移幅度比肌电信号本身还大，波形看起来像一座座小山丘。
校正基线漂移，常用的方法有两种：
- 高通滤波法：设置一个合适的截止频率（比如 10~20 Hz），把低频漂移滤掉。优点是简单，缺点是可能会损失一部分有用的低频肌电成分。
- 多项式拟合校正：用低阶多项式（通常 3~5 阶）拟合基线，然后从原始信号中减去拟合曲线。这种方法更灵活，适合漂移形态不固定的情况。
我个人更推荐高通滤波法，因为肌电信号的有效频率范围通常在 20~500 Hz，10 Hz 以下的成分基本可以忽略。用高通滤波器既能去漂移，又不伤信号。
from scipy import signal
def highpass_filter(signal_data, fs, cutoff=20):
"""高通滤波器：去除基线漂移"""
b, a = signal.butter(4, cutoff / (0.5 * fs), btype='high')
return signal.filtfilt(b, a, signal_data)
# 示例：采样率 1000 Hz，截止频率 20 Hz
emg_filtered = highpass_filter(emg_clean, fs=1000, cutoff=20)
避坑指南：我曾经用过高阶多项式拟合，结果把肌电信号里的真实低频成分也给拟合进去了。后来我学乖了——先观察漂移的形态，如果漂移很缓慢（比如几秒一个周期），用 3 阶多项式就够了。别贪高阶。
3. 工频干扰（50/60 Hz）陷波滤波——别让电网「污染」你的信号
工频干扰，这玩意儿是所有生物电信号处理工程师的「老朋友」。50 Hz（国内）或 60 Hz（北美）的噪声，来自电源线、照明设备、甚至你身边的手机充电器。它的特点是频率固定、幅度稳定，但会严重污染肌电信号。
为什么肌电信号特别怕工频干扰？因为肌电的能量主要集中在 20~150 Hz，50 Hz 正好落在里面。如果不处理，你提取的特征（比如中值频率、平均功率）会完全失真。
处理工频干扰，最经典的就是陷波滤波器（Notch Filter）。说白了，就是一个带阻滤波器，专门干掉某个窄带频率。
def notch_filter(signal_data, fs, freq=50, quality=30):
"""陷波滤波器：去除工频干扰"""
b, a = signal.iirnotch(freq, quality, fs)
return signal.filtfilt(b, a, signal_data)
# 示例：去除 50 Hz 工频干扰
emg_notched = notch_filter(emg_filtered, fs=1000, freq=50)
关键参数：品质因数（Q值）一般取 30~50。Q值越大，陷波带宽越窄，对周围频率的影响越小。但Q值太大，滤波器响应会变慢，可能产生振铃效应。我一般取 30，平衡效果和稳定性。
你可能会问：能不能用自适应滤波？当然可以。但说实话，对于大多数肌电应用场景，固定频率的陷波滤波器已经足够。自适应滤波更适合工频频率不稳定（比如发电机供电）的情况。
我的经验：如果工频干扰特别强（比如信号里能看到明显的 50 Hz 正弦波），可以先做一次 50 Hz 陷波，再做一次 100 Hz 陷波（因为整流器会产生二次谐波）。我曾经在一个实验室里遇到过这种情况，加了二次陷波后信号干净多了。
知识体系总览
下面这张图，是我自己整理的预处理流程。你看一眼，心里就有谱了。
三个步骤的对比总结
| 预处理步骤 | 主要问题 | 推荐方法 | 关键参数 |
|---|---|---|---|
| 直流分量去除 | 信号整体偏移 | 减去均值（全局或滑动窗口） | 窗口长度 0.5~1 秒 |
| 基线漂移校正 | 低频缓慢变化 | 高通滤波（截止 10~20 Hz） | 滤波器阶数 4 阶 |
| 工频干扰陷波 | 50/60 Hz 固定噪声 | IIR 陷波滤波器 | Q 值 30~50 |
好了，以上就是信号预处理最基础的三个步骤。你可能会觉得这些操作很简单，但越是基础的东西，越容易出错。我见过不少同行，预处理做得马马虎虎，结果后面分析出来的结论根本站不住脚。记住一句话：预处理花的时间，后面都会加倍还给你。
如果你在实际操作中遇到什么问题，比如滤波后信号变形、或者工频干扰去不干净，欢迎随时交流。咱们下节课见。