第3章肌电信号预处理

第3章肌电信号预处理：工频干扰与滤波

说实话，刚接触肌电信号那会儿，我最头疼的就是预处理。你想想看，辛辛苦苦贴好电极，让受试者做动作，结果采集出来的信号长这样——一条弯弯曲曲的线，上面还叠着好多毛刺。嗯，这其实不是真正的肌电信号，而是被各种噪声污染过的原始数据。

我习惯把预处理比作「洗菜」。菜买回来不能直接下锅，得先摘掉烂叶子、洗掉泥土。肌电信号也一样，不洗干净，后面的分析全是白搭。今天咱们就重点聊三个最常见的「脏东西」：工频干扰、基线漂移、运动伪影。

核心知识点速览

工频干扰 → 50Hz陷波滤波
基线漂移 → 高通滤波（截止频率5-20Hz）
运动伪影 → 带通滤波（10-500Hz）

3.1 工频干扰与50Hz陷波

工频干扰，说白了就是电网的「嗡嗡声」。在中国，电网频率是50Hz，这个频率会通过空间电磁场耦合到你的电极线和放大器上。我在实验室里遇到过最夸张的一次——信号里50Hz的幅度比肌电本身还大，整个波形看起来就像一条粗毛线。

怎么判断是不是工频干扰？很简单。你让受试者完全放松，肌肉不发力，这时候采集到的信号如果还有明显的50Hz正弦波，那就是工频干扰。我个人的经验是：先检查接地，再考虑滤波。很多时候接地没做好，滤波也救不了。

陷波滤波器的设计，我推荐用IIR滤波器，阶数不要太高，2阶就够了。太高阶会引入相位失真，反而把有用的肌电信号给削了。

# Python示例：50Hz陷波滤波器
from scipy import signal
import numpy as np

# 设计一个2阶50Hz陷波滤波器
fs = 1000  # 采样率1000Hz
f0 = 50.0  # 陷波频率
Q = 30.0   # 品质因数

b, a = signal.iirnotch(f0, Q, fs)

# 应用滤波
filtered_signal = signal.filtfilt(b, a, raw_emg)

我的小技巧：用filtfilt代替lfilter，可以实现零相位延迟。虽然计算量翻倍，但信号不会发生偏移，这对后续的时序分析很重要。

3.2 基线漂移与高通滤波

基线漂移是什么？你让受试者握拳再松开，会发现信号整体在上下浮动，就像海浪一样。这主要是因为电极与皮肤之间的接触阻抗在变化，或者受试者身体有轻微移动。

我曾经犯过一个错误：为了去除基线漂移，直接把高通滤波的截止频率设到了50Hz。结果肌电信号的高频成分也被滤掉了，动作识别准确率直接掉到60%。后来才明白，肌电信号的有效能量集中在20-150Hz，基线漂移的频率通常低于5Hz。所以，高通滤波的截止频率设在5-20Hz之间就足够了。

# Python示例：高通滤波去除基线漂移
from scipy import signal

fs = 1000
cutoff = 10  # 截止频率10Hz
order = 4

# 设计高通滤波器
b, a = signal.butter(order, cutoff, btype='high', fs=fs)

# 应用滤波
emg_no_drift = signal.filtfilt(b, a, emg_after_notch)

注意：高通滤波的截止频率不能太高。如果设到30Hz以上，你会把肌电信号中低频的力信息也滤掉。我见过有人设到100Hz，结果信号看起来干净了，但肌肉发力时的幅度变化也消失了——这等于把婴儿和洗澡水一起倒掉。

3.3 运动伪影与带通滤波

运动伪影，这是最让人头疼的噪声。它来自电极线晃动、肌肉收缩时的机械形变，甚至衣服摩擦。频率范围很宽，从几Hz到几百Hz都有。我刚开始做康复机器人控制时，受试者一抬手，信号里就出现一个巨大的尖峰，控制器直接误判成肌肉痉挛。

处理运动伪影，我建议用带通滤波。把通带设在10-500Hz，既能保留肌电信号的主要能量，又能滤掉低频的运动伪影和高频的电子噪声。注意，500Hz以上的成分基本是噪声，没必要保留。

# Python示例：带通滤波去除运动伪影
from scipy import signal

fs = 1000
lowcut = 10
highcut = 500
order = 4

# 设计带通滤波器
b, a = signal.butter(order, [lowcut, highcut], btype='band', fs=fs)

# 应用滤波
emg_clean = signal.filtfilt(b, a, emg_no_drift)

预处理流程总结

原始肌电信号 → 50Hz陷波（去工频）
陷波后信号 → 10Hz高通（去基线漂移）
高通后信号 → 10-500Hz带通（去运动伪影）
输出：干净的肌电信号，可用于后续特征提取

3.4 滤波顺序有讲究吗？

有。我个人习惯先做陷波，再做高通，最后做带通。为什么？因为工频干扰的幅度往往很大，如果先做高通，50Hz的干扰会被放大，后面再陷波效果就差了。你想想看，先去掉最大的噪声，后面的处理会轻松很多。

当然，也有同行喜欢先做带通再做陷波。我试过，效果差不多，但计算量会大一些。嗯，这个没有绝对的对错，你习惯哪种就用哪种。

3.5 避坑指南

我曾经踩过一个坑：用移动平均滤波去基线漂移。移动平均本质上是一个低通滤波器，它会把肌电信号的高频成分也平滑掉。结果信号看起来是平了，但肌肉活动的细节全没了。后来我改用高通滤波，效果立竿见影。

还有一个坑：滤波器的阶数。阶数越高，滤波效果越好，但相位失真也越严重。我建议IIR滤波器不超过4阶，FIR滤波器不超过50阶。超过这个范围，信号延迟会大到无法接受，尤其是在实时控制系统中。

快速检查滤波效果的方法：滤波前后对比频谱图。如果50Hz处有明显的凹陷，说明陷波有效；如果10Hz以下的能量被大幅衰减，说明高通有效；如果10Hz以下和500Hz以上的能量都被衰减，说明带通有效。用眼睛看波形是不够的，一定要看频谱。

3.6 本章知识体系

下面这张图是我自己画的，把本章的核心逻辑串起来了。你看一遍，应该就能记住预处理的全流程。

好了，这一章的内容就到这里。预处理是肌电分析的地基，地基打不牢，后面盖什么楼都会歪。我建议你拿到数据后，先花10分钟做一遍预处理，看看频谱图，确认噪声被去掉了，再开始做特征提取。别急着跳步，这一步省下来的时间，后面会加倍还给你。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录