3、肌电信号预处理：滤波去噪（带通、陷波）、基线校正、整流与平滑
好，咱们直接进入正题。肌电信号这东西，说白了就是肌肉收缩时产生的微弱电信号。你想想看，直接从皮肤表面采集到的信号，那叫一个“脏”——工频干扰、运动伪迹、心电串扰，啥都有。如果不做预处理，后续的分析就是“垃圾进，垃圾出”。
我个人习惯把预处理分成四个核心步骤：滤波去噪、基线校正、整流、平滑。每一步都有它的道理，咱们一个一个拆开讲。
3.1 滤波去噪：把“脏东西”筛掉
肌电信号的有效频率范围，一般在 20 Hz 到 500 Hz 之间。低于 20 Hz 的，大多是运动伪迹（比如电极线晃动）；高于 500 Hz 的，基本是高频噪声。所以，第一步就是用一个带通滤波器，把 20-500 Hz 以外的成分统统干掉。
核心参数：
- 高通截止频率： 10-20 Hz（去除运动伪迹）
- 低通截止频率： 450-500 Hz（去除高频噪声）
- 滤波器阶数： 4 阶或 8 阶 Butterworth（巴特沃斯）最常用，通带平坦，过渡带适中
嗯，这里要注意：陷波滤波器。国内市电是 50 Hz，国外是 60 Hz。这个频率的干扰会直接叠加在肌电信号上，肉眼可见一条粗线。我建议用 48-52 Hz 的陷波，把 50 Hz 及其附近频率都干掉。别只陷 50 Hz 一个点，因为实际干扰会有频偏。
避坑指南： 我曾经在一个项目中，只用了带通滤波，没加陷波。结果提取的肌电特征值总是偏大，后来发现是 50 Hz 工频干扰没滤干净，导致 RMS 值虚高。从那以后，我只要用市电供电的设备，必加陷波。
代码实现（Python 示例，用 scipy）：
from scipy import signal
# 设计带通滤波器：20-500 Hz，4阶 Butterworth
b, a = signal.butter(4, [20, 500], btype='bandpass', fs=1000)
emg_filtered = signal.filtfilt(b, a, emg_raw)
# 设计陷波滤波器：50 Hz，品质因数 Q=30
b_notch, a_notch = signal.iirnotch(50, 30, 1000)
emg_notched = signal.filtfilt(b_notch, a_notch, emg_filtered)3.2 基线校正：让信号“归零”
滤波之后，信号可能还存在一个直流偏置。说白了，就是信号整体往上或往下飘了。这通常是因为电极与皮肤之间的接触电位差，或者放大器本身的零点漂移。
怎么做？很简单：计算信号的平均值，然后减去它。这样信号就围绕 0 上下波动了。
我的习惯： 在采集静息状态（肌肉完全放松）下的信号，取 1-2 秒的均值作为基线。然后整个信号都减去这个基线值。这样能最大程度消除个体差异和电极放置的影响。
# 基线校正：减去均值
baseline = np.mean(emg_notched[0:1000]) # 取前1秒作为基线
emg_baselined = emg_notched - baseline3.3 整流：把负半周翻上来
肌电信号是双极性的，有正有负。但咱们关心的是信号的幅值大小，而不是方向。所以，需要把负半周翻到正半周来。这就是全波整流。
你想想看，如果不整流，直接取平均，正负抵消，结果接近 0，啥也看不出来。整流之后，所有值都是正的，才能反映肌肉的激活程度。
全波整流公式： emg_rectified = abs(emg_baselined)
# 全波整流
emg_rectified = np.abs(emg_baselined)3.4 平滑：提取包络线
整流后的信号，虽然都是正的，但依然很“毛糙”，像锯齿一样。我们需要提取它的包络线，也就是信号的轮廓。常用的方法有两种：
- 移动平均（Moving Average）： 简单粗暴，计算窗口内的均值。窗口长度一般取 50-200 ms。
- 低通滤波： 用 3-10 Hz 的低通滤波器，直接滤掉高频波动，留下低频包络。
我个人更推荐低通滤波，因为它不会像移动平均那样产生相位延迟（如果用零相位滤波的话）。
经验值： 对于步态分析，我常用 6 Hz 的低通滤波。对于抓握等精细动作，可以提高到 10 Hz。太低了会丢失细节，太高了包络不平滑。
# 低通滤波平滑：6 Hz，4阶 Butterworth
b_lp, a_lp = signal.butter(4, 6, btype='low', fs=1000)
emg_envelope = signal.filtfilt(b_lp, a_lp, emg_rectified)知识体系总览
下面这张图，把整个预处理流程串起来了。你可以把它当作一个检查清单，每次处理肌电数据时，按这个顺序走一遍，基本不会出错。
小结一下
预处理这四步，顺序不能乱。先滤波去噪，再基线校正，然后整流，最后平滑。每一步都依赖上一步的结果。我见过有人先整流再滤波，结果把噪声也整流了，后面怎么滤都滤不干净。
嗯，最后提醒一句：参数不是死的。不同肌肉、不同动作、不同采集设备，参数可能需要微调。比如，面部肌电信号频率偏高，带通可以设到 30-600 Hz；而躯干肌电信号频率偏低，高通可以降到 10 Hz。多试几次，找到最适合你数据的参数组合。