01
EMG信号基础
肌电信号产生原理、信号特征（幅值/频率/信噪比）、采集设备与电极类型。
原理采集
02
Python环境搭建
Anaconda安装、虚拟环境创建、必备库安装（numpy/scipy/matplotlib/pyemg）。
环境Python
03
数据读取与可视化
读取常见格式（CSV/EDF/BIO）、时域波形绘制、频谱图绘制。
IO绘图
04
信号预处理基础
直流分量去除、基线漂移校正、工频干扰（50/60Hz）陷波滤波。
去噪陷波
05
带通滤波实战
巴特沃斯滤波器设计、切比雪夫滤波器对比、零相位滤波实现。
滤波设计
06
运动伪迹识别
运动伪迹的时频特征、幅值阈值检测法、标准差滑动窗口法。
检测运动
07
ECG伪迹剔除
ECG干扰特征、模板相减法、自适应滤波法（LMS/NLMS）。
心电自适应
08
眼电伪迹处理
EOG干扰特征、回归分析法、独立成分分析（ICA）基础。
眼电ICA
09
ICA实战应用
FastICA算法实现、成分识别与剔除、ICA局限性讨论。
ICA盲源分离
10
小波变换去噪
小波基选择（db4/sym8/coif5）、阈值去噪方法、小波包分解。
小波阈值
11
经验模态分解
EMD原理、IMF分量提取、基于EMD的伪迹剔除。
EMD分解
12
自适应滤波
LMS算法实现、RLS算法对比、参考信号选取技巧。
LMSRLS
13
形态学滤波
腐蚀膨胀运算、开闭运算、形态学伪迹剔除。
形态学开闭
14
中值滤波与平滑
滑动平均滤波、中值滤波、Savitzky-Golay滤波。
平滑中值
15
信号分段与加窗
固定长度分段、重叠分段策略、窗函数选择（汉明/汉宁/布莱克曼）。
加窗分段
16
活动段检测
双阈值法、Teager-Kaiser能量算子、Hilbert包络法。
检测能量
17
时域特征提取
均方根值（RMS）、平均绝对值（MAV）、过零点数（ZC）、波形长度（WL）。
时域特征
18
频域特征提取
功率谱密度（PSD）、中值频率（MDF）、平均功率频率（MNF）。
频域PSD
19
时频分析
短时傅里叶变换（STFT）、小波时频图、Cohen类分布。
时频STFT
20
非线性特征
样本熵、近似熵、Lempel-Ziv复杂度、分形维数。
熵复杂度
21
伪迹评估指标
信噪比（SNR）、均方误差（MSE）、相关系数、伪迹残留率。
评估指标
22
批量处理框架
文件遍历、并行处理（multiprocessing）、结果汇总与保存。
批量并行
23
实时处理基础
缓冲区设计、滑动窗口更新、实时滤波实现。
实时缓冲
24
GUI工具开发
PyQt5界面设计、交互式参数调节、实时波形显示。
GUIPyQt
25
案例1：手势识别EMG预处理
从原始信号到干净特征。
案例手势
26
案例2：疲劳监测EMG预处理
运动伪迹与ECG联合剔除。
案例疲劳
27
案例3：康复评估EMG预处理
多通道伪迹协同处理。
案例康复
28
常见问题与调试
滤波参数选择、ICA收敛失败、内存溢出优化。
调试优化
29
性能优化
Numba加速、GPU加速（cupy）、Cython优化。
加速GPU
30
总结与进阶
当前方法局限、深度学习去噪趋势、多模态融合展望。
总结前沿