3. 信号预处理：滤波（带通、陷波）、去基线漂移、全波整流与低通滤波（线性包络）
各位同行，咱们直接进入正题。信号预处理这事儿，说白了就是给原始EMG信号“洗个澡”，把脏东西去掉，留下干净有用的部分。我做了这么多年肌电分析，可以负责任地告诉你：预处理做不好，后面提取出来的肌肉协同，十有八九是错的。
嗯，咱们一步步来。先看一张图，把整个流程串起来。
3.1 带通滤波：把信号“框”在有效频段内
原始EMG信号里什么乱七八糟的频率都有。低频有运动伪迹，高频有环境噪声。我个人的习惯是，先用一个带通滤波器，把信号框在20-450 Hz这个范围里。
为什么会选这个范围？因为表面EMG信号的有效能量，基本都集中在这个频段。低于20 Hz的，大多是电极移动或者线缆晃动造成的伪迹。高于450 Hz的，基本就是白噪声了，没什么用。
核心要点：
- 下限频率：10-30 Hz（常用20 Hz）。太低会保留运动伪迹，太高会丢失低频肌电成分。
- 上限频率：400-500 Hz（常用450 Hz）。太高会引入噪声，太低会丢失高频肌电成分。
- 滤波器阶数：4阶或8阶Butterworth滤波器，零相位延迟（使用filtfilt函数）。
我在项目中遇到过一件事：有个学生用20-200 Hz的带通，结果提取出来的肌肉协同数量总是偏少。后来发现，他把高频肌电成分给滤掉了，导致信号能量不足。你想想看，这就像你只听了低音部分就去判断一首歌的旋律，能准吗？
3.2 陷波滤波：干掉工频干扰
工频干扰，说白了就是50 Hz（国内）或60 Hz（国外）的电源噪声。这个噪声特别讨厌，因为它正好落在EMG信号的有效频段内。
我建议的做法是：先用带通滤波，再做陷波。顺序不能乱。为什么？因为带通滤波已经去掉了一部分低频和高频噪声，陷波只需要针对那个特定的频率点，这样对信号的损伤最小。
我的小技巧：
如果工频干扰不严重，可以不做陷波。因为陷波器会稍微扭曲信号相位。我一般先看一眼频谱，如果50 Hz的峰值明显高于周围频率，才做陷波。否则，带通滤波就够了。
3.3 去基线漂移：让信号“站直”
基线漂移，就是信号整体在缓慢地上下移动。这通常是因为电极与皮肤之间的阻抗变化，或者受试者出汗导致的。
去基线漂移的方法很简单：用一个高通滤波器，截止频率设在0.5-1 Hz。这样，低于这个频率的缓慢变化就被滤掉了，信号就能“站直”了。
注意：
千万不要用均值去基线！因为EMG信号本身就不是零均值的。用均值去基线，会把肌肉收缩时的直流分量也去掉，导致信号失真。
嗯，这里要注意：去基线漂移和带通滤波的下限频率是两回事。带通滤波的下限是20 Hz，去基线漂移的下限是0.5 Hz。它们处理的是不同频段的噪声，不能互相替代。
3.4 全波整流：把负值“翻正”
全波整流，就是把所有负值变成正值。说白了就是取绝对值。
为什么要做这一步？因为EMG信号是双极性的，有正有负。但肌肉的激活程度，只跟信号的幅值有关，跟正负无关。整流之后，信号就变成了单极性，方便后续处理。
我曾经见过有人跳过整流，直接做低通滤波。结果提取出来的包络，正半周和负半周互相抵消，信号变得很小。这就像你把两个方向相反的力加在一起，结果合力为零，完全失去了意义。
3.5 低通滤波（线性包络）：提取肌肉激活的“轮廓”
最后一步，也是最重要的一步：低通滤波。这一步的目的是提取信号的包络，也就是肌肉激活的“轮廓”。
低通滤波的截止频率，通常设在2-10 Hz。我个人的经验是：
- 2-4 Hz：用于慢速、持续性的肌肉收缩（如姿势维持）。
- 5-7 Hz：用于中等速度的运动（如步行、跑步）。
- 8-10 Hz：用于快速、爆发性的运动（如跳跃、投掷）。
你想想看，如果截止频率设得太低（比如1 Hz），包络会变得过于平滑，丢失细节。如果设得太高（比如15 Hz），包络会保留太多毛刺，看起来像没滤波一样。
线性包络 vs. RMS包络：
线性包络（整流+低通）和RMS包络（滑动窗口计算均方根）是两种常用的方法。我个人更推荐线性包络，因为它没有窗口效应，时间分辨率更高。RMS包络的窗口长度会影响结果，需要额外调参。
3.6 代码示例：完整的预处理流程
下面是我常用的预处理代码，用Python写的。你可以直接拿去用。
import numpy as np
from scipy import signal
def preprocess_emg(emg_raw, fs, bandpass=[20, 450], notch=50, hp_cutoff=0.5, lp_cutoff=6):
"""
EMG信号预处理
参数:
emg_raw: 原始信号 (n_samples, n_channels)
fs: 采样率 (Hz)
bandpass: 带通滤波范围 [low, high]
notch: 陷波频率 (Hz)
hp_cutoff: 高通截止频率 (去基线漂移)
lp_cutoff: 低通截止频率 (线性包络)
返回:
emg_envelope: 预处理后的包络信号
"""
# 1. 带通滤波
b, a = signal.butter(4, [bandpass[0]/(fs/2), bandpass[1]/(fs/2)], btype='band')
emg_filtered = signal.filtfilt(b, a, emg_raw, axis=0)
# 2. 陷波滤波
b_notch, a_notch = signal.iirnotch(notch, 30, fs)
emg_filtered = signal.filtfilt(b_notch, a_notch, emg_filtered, axis=0)
# 3. 去基线漂移 (高通滤波)
b_hp, a_hp = signal.butter(4, hp_cutoff/(fs/2), btype='high')
emg_filtered = signal.filtfilt(b_hp, a_hp, emg_filtered, axis=0)
# 4. 全波整流
emg_rectified = np.abs(emg_filtered)
# 5. 低通滤波 (线性包络)
b_lp, a_lp = signal.butter(4, lp_cutoff/(fs/2), btype='low')
emg_envelope = signal.filtfilt(b_lp, a_lp, emg_rectified, axis=0)
return emg_envelope避坑指南：
我曾经犯过一个错误：先做整流，再做带通滤波。结果整流产生的直流分量被带通滤掉了，信号变得很奇怪。正确的顺序是：带通 → 陷波 → 去基线 → 整流 → 低通。这个顺序不能乱。
3.7 预处理效果的验证
预处理做得好不好，不能光看代码。我建议你每次做完预处理，都做两件事：
- 看时域波形：预处理后的包络应该平滑、无毛刺、无基线漂移。肌肉收缩时包络上升，放松时包络下降。
- 看频谱：预处理后的信号，能量应该集中在0-10 Hz（包络）和20-450 Hz（原始EMG）。50 Hz处不应该有尖峰。
如果发现包络有异常波动，或者频谱里有不该有的频率成分，那就说明预处理参数需要调整。别偷懒，这一步做扎实了，后面的肌肉协同提取才能靠谱。
好了，信号预处理这部分就讲到这里。记住一句话：预处理的质量，决定了肌肉协同分析的上限。你花再多时间在这上面，都是值得的。