做生物电信号记录，尤其是心电（ECG）和肌电（EMG），最让人头秃的往往不是电极贴得歪歪扭扭，而是那条本来应该干净利落的波形，硬生生被各种“脏东西”给搅浑了。你以为是信号弱，其实是噪声太强；你以为是机器坏了，其实是滤波参数没设对。今天咱们不整那些虚头巴脑的理论推导，就直接聊聊怎么在实战中把那些讨厌的工频干扰和基线漂移给收拾掉，让信噪比蹭蹭往上涨。
先搞清楚敌人是谁：噪声的三种“面孔”
在动手调参数之前，你得先知道你在跟谁打架。心电和肌电里最常见的噪声大致可以分为三类，每一类都得用不同的招数去对付。
第一类是工频干扰，也就是我们常说的50Hz（国内）或60Hz（国外）的交流电噪声。这种噪声通常来源于电源线、未接地的设备或者电磁感应。它在示波器上看起来特别明显，就是一群均匀密集的锯齿波叠加在你的信号上。如果不处理掉，你的心电图可能看起来像是在地震，完全没法分析R波的幅值和时程。
第二类是基线漂移，这玩意儿主要是由呼吸运动、电极与皮肤接触面的不稳定（极化电位变化）或者体温波动引起的。它表现为信号整体在上下乱窜，低频成分很重。对于心电来说，基线漂移会掩盖ST段的改变，而ST段可是诊断心肌缺血的关键窗口；对于肌电来说，基线不稳会让峰值检测变得毫无意义。
第三类是肌电伪迹和运动伪影。这点很有意思，因为你想测的就是肌电，但肌肉收缩本身也会产生高频噪声干扰到你想要记录的心电信号，或者反之，受试者稍微动一下，电极线晃动产生的摩擦电效应就会产生巨大的脉冲干扰。这种噪声频带很宽，从几Hz到几百Hz都有，处理起来最是棘手。
高通滤波：踢走基线漂移的“守门员”
基线漂移属于极低频噪声，通常集中在0.5Hz以下。要消除它，高通滤波器（High-Pass Filter, HPF）是首选。但这里有个关键的平衡点需要你把握：** cutoff频率（截止频率）选多少合适？**
很多初学者喜欢把高通截止频率设得很低，比如0.05Hz，觉得这样能保留更多“原始”信息。但对于临床心电图诊断来说，这个值往往太低了。基线漂移可能会把P波、ST段拉得面目全非。根据大多数临床指南和实操经验，0.5Hz到1Hz是一个比较安全的区间。
- 0.5Hz：这是最常用的临床标准。它能有效滤除由呼吸引起的低频漂移，同时保留P波和T波的主要形态。如果你发现ST段依然有轻微漂移，可以试着提高到0.67Hz，但千万别超过1Hz，否则P波可能会变形，甚至被误判为消失。
- 1Hz及以上：如果你主要关注QRS波群（比如在做心律失常的自动分析），或者记录的是肌电信号中需要提取高频成分的部分，1Hz的高通滤波是可以接受的。但对于精细的波形分析，这个值会切掉太多有用信息。
实操建议：如果你的设备允许，建议使用4阶或更高阶的高通滤波器。低阶滤波器（如1阶）的过渡带很宽，滤波效果“拖泥带水”，会在截止频率附近产生明显的相位失真。高阶滤波器虽然相位失真稍大，但能更陡峭地切断低频噪声，配合后续的相位校正（如果可能）效果更好。对于实时显示，可以选择零相位滤波算法，比如filtfilt函数，这样既消除了漂移，又不改变波形的时间对齐。
低通滤波：过滤高频噪声的“筛子”
低通滤波器（Low-Pass Filter, LPF）的作用是允许低频信号通过，而衰减高于截止频率的信号。在心电记录中，它主要用来滤除肌电噪声、电源高频谐波以及电子设备本身的热噪声。
心电信号的主要能量集中在0.5Hz到150Hz之间，但诊断级的关键信息（如QRS波的陡峭上升沿）需要更高频的带宽。因此，低通截止频率的选择至关重要：
- 35Hz-40Hz：这是老年人或需要过滤严重肌电干扰时的常用设置。它能极大地平滑信号，但代价是QRS波的上升时间变慢，峰值降低，可能影响心室肥大等诊断的判断。
- 100Hz-150Hz：这是诊断级心电图的标准。世界卫生组织（WHO）和国际电工委员会（IEC）的指南推荐上限频率为150Hz。这个带宽能完整保留QRS波的形态，对于检测心肌梗死、束支传导阻滞等疾病至关重要。
- 250Hz及以上：主要用于科研或高分辨率心电图，但同时也引入了更多的高频噪声。
实操建议：除非你的受试者肌电干扰极其严重（比如在运动实验中），否则不要随意将低通截止频率降到100Hz以下。如果必须降低以抑制噪声，建议采用多级滤波策略，先做40Hz的硬截断，再做100Hz的软过渡，或者使用自适应滤波技术来动态调整。另外，注意低通滤波器的阶数，通常4阶贝塞尔或巴特沃斯滤波器能提供较好的幅度平坦度和适中的相位响应。
带阻滤波：专门针对工频干扰的“狙击枪”
工频干扰（50Hz或60Hz）是一个非常窄带的噪声，高通和低通滤波器很难在不影响有用信号的前提下将其完全切除。这时候，带阻滤波器（Notch Filter）就派上用场了。它像一个狙击枪，专门瞄准50Hz这个点，将其大幅衰减，而对其余频率几乎无影响。
然而，带阻滤波是一把双刃剑。如果使用不当，它不仅会切除50Hz的噪声，还会切除50Hz附近的有用信号成分。心电信号的QRS波群含有丰富的高频成分，如果-notch宽度太宽，会导致QRS波变形。
实操建议：
- 优先使用自适应陷波滤波器：传统的固定频率带阻滤波器可能会因为电网频率的微小波动（比如49.8Hz或50.2Hz）而失效，或者过度滤波。现代生物电放大器通常配备自适应陷波滤波器，它能实时跟踪电网频率的变化，动态调整中心频率和带宽。这是消除工频干扰的最优解。
- 如果只能用固定带阻滤波器：选择Q值较高（品质因数高）的滤波器，带宽尽量窄（比如2Hz-4Hz）。避免使用带宽过宽的滤波器，否则你会看到QRS波群变钝，甚至出现“切迹”。
- 慎用，不要默认开启：在很多高端心电记录仪上，带阻滤波器是可以手动关闭的。如果你的信号看起来已经比较干净，不要强行开启带阻滤波，以免引入不必要的波形失真。只有在工频干扰明显可见，且自适应滤波无效时，才考虑使用。
滤波器参数的组合策略：1-100-50规则
在实际操作中，我们很少单独使用某一种滤波器，通常是组合使用。对于标准的心电和肌电记录，一个广泛认可且有效的参数组合是：
- 高通截止频率：0.5 Hz
- 低通截止频率：100 Hz（或150 Hz）
- 带阻滤波：50 Hz（或60 Hz，可选）
这个组合被称为“1-100-50”规则（虽然高通通常是0.5，但有时为了强调带宽，也泛指这个范围）。它能覆盖心电信号的主要频段，同时有效抑制基线漂移和高频噪声。
对于肌电（EMG）记录，情况略有不同。肌电信号的有效频带更宽，通常在20Hz到500Hz之间。因此，滤波参数应调整为：
- 高通截止频率：20 Hz（为了去除运动伪影和电极接触噪声）
- 低通截止频率：500 Hz 或更高（为了保留肌电的高频细节）
- 带阻滤波：根据需要关闭或谨慎使用
代码实战：用Python实现信号滤波
光说不练假把式。下面我们用Python的scipy.signal库来实现一个典型的心电信号滤波流程。这个脚本模拟了加载一个含噪心电信号，并应用上述滤波参数。
import numpy as np
import matplotlib.pyplot as plt
from scipy import signal
# 1. 模拟生成一个含噪的心电信号
# 采样率设为500Hz，这是心电记录的常见标准
fs = 500 # 采样频率
t = np.linspace(0, 10, fs * 10, endpoint=False) # 10秒的信号
# 生成模拟心电信号（简化版，包含P波、QRS波、T波）
# 实际应用中，这里应该是你读取的真实ECG数据
ecg_clean = np.sin(2 * np.pi * 1 * t) * np.exp(-((t % 1) - 0.5)**2 / 0.01) + \
np.sin(2 * np.pi * 5 * t) * 0.5 * np.exp(-((t % 1) - 0.6)**2 / 0.005)
# 添加基线漂移（低频噪声，0.2Hz）
baseline_drift = 0.5 * np.sin(2 * np.pi * 0.2 * t)
# 添加工频干扰（50Hz噪声）
powerline_noise = 0.2 * np.sin(2 * np.pi * 50 * t)
# 添加高斯白噪声
gaussian_noise = 0.1 * np.random.normal(0, 1, len(t))
# 混合得到含噪信号
ecg_noisy = ecg_clean + baseline_drift + powerline_noise + gaussian_noise
# 2. 设计滤波器
# 高通滤波：截止频率0.5Hz，4阶Butterworth
hp_order = 4
hp_cutoff = 0.5
b_hp, a_hp = signal.butter(hp_order, hp_cutoff, btype='high', fs=fs)
# 低通滤波：截止频率100Hz，4阶Butterworth
lp_order = 4
lp_cutoff = 100
b_lp, a_lp = signal.butter(lp_order, lp_cutoff, btype='low', fs=fs)
# 带阻滤波：50Hz，Q值为30（带宽约1.67Hz），用于消除工频干扰
notch_Q = 30
notch_center = 50
b_notch, a_notch = signal.iirnotch(notch_center, notch_Q, fs=fs)
# 3. 应用滤波
# 注意：使用filtfilt进行零相位滤波，避免波形时间上的位移
# 第一步：高通滤波，消除基线漂移
ecg_hp = signal.filtfilt(b_hp, a_hp, ecg_noisy)
# 第二步：带阻滤波，消除工频干扰
ecg_notch = signal.filtfilt(b_notch, a_notch, ecg_hp)
# 第三步：低通滤波，消除高频噪声
ecg_filtered = signal.filtfilt(b_lp, a_lp, ecg_notch)
# 4. 可视化结果
plt.figure(figsize=(15, 10))
# 原始含噪信号
plt.subplot(4, 1, 1)
plt.plot(t[:500], ecg_noisy[:500], color='gray', alpha=0.7)
plt.title('Noisy ECG Signal (Original)')
plt.ylabel('Amplitude (a.u.)')
plt.grid(True)
# 高通滤波后
plt.subplot(4, 1, 2)
plt.plot(t[:500], ecg_hp[:500], color='orange')
plt.title('After High-Pass Filter (0.5 Hz)')
plt.ylabel('Amplitude (a.u.)')
plt.grid(True)
# 带阻滤波后
plt.subplot(4, 1, 3)
plt.plot(t[:500], ecg_notch[:500], color='green')
plt.title('After Notch Filter (50 Hz)')
plt.ylabel('Amplitude (a.u.)')
plt.grid(True)
# 最终滤波结果
plt.subplot(4, 1, 4)
plt.plot(t[:500], ecg_filtered[:500], color='red', linewidth=1.5)
plt.title('Final Filtered ECG (HP 0.5Hz + Notch 50Hz + LP 100Hz)')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude (a.u.)')
plt.grid(True)
plt.tight_layout()
plt.show()
代码解读与注意事项
在这段代码中，我特意使用了filtfilt函数而不是普通的lfilter。这是因为普通的线性滤波会引入相位延迟，导致滤波后的波形在时间轴上向右移动，这对于需要精确测量RR间期或QRS波起点终点的心电图诊断来说是致命的。filtfilt通过正反双向滤波，实现了零相位失真，虽然计算量稍大，但对于离线处理和实时显示（如果延迟可接受）都是更好的选择。
另外，我还使用了iirnotch函数来设计陷波滤波器，这是因为陷波滤波器通常是无限脉冲响应（IIR）滤波器，用iirnotch设计更直接且效率更高。通过调整Q值，我们可以控制陷波的宽度。Q值越大，带宽越窄，对周围信号的干扰越小，但也越难完全消除频率略有偏移的噪声。
高级技巧：当传统滤波失效时
如果你按照上述参数设置后，噪声依然顽固，或者波形变形严重，可能需要考虑更高级的技术：
- 自适应滤波：如果设备支持，可以使用参考通道。例如，用一个远离心脏的电极专门采集工频干扰作为参考信号，然后通过自适应算法（如LMS算法）从主信号中减去这个参考噪声。这种方法对工频干扰的消除效果远好于固定带阻滤波器。
- 小波变换去噪：小波变换可以将信号分解到不同的频率尺度，通过阈值处理去除噪声系数，再重构信号。这种方法在处理非平稳噪声（如肌电伪迹）时比传统滤波器更有效，能更好地保留信号的奇异点（如QRS波的峰值）。
- 独立成分分析（ICA）：对于多通道记录，ICA可以将混合信号分解为统计独立的成分，然后识别并剔除含有噪声的成分（如眼电、肌电），再重构干净的心电信号。这在脑电和心电剥离噪声方面非常强大。
结语：没有银弹，只有最佳平衡
最后想说的是，滤波从来都不是一个“一劳永逸”的过程，而是一个寻找最佳平衡点的艺术。高通截止频率太低，基线漂移去不掉；太高，P波又可能变形。低通截止频率太高，噪声进来了；太低，QRS波变钝了。带阻滤波器用得太猛，波形失真；不用，工频干扰又挥之不去。
作为记录者，你的首要任务是减少噪声的产生：确保电极与皮肤接触良好，使用导电膏，让受试者保持平静和正确的体位，检查接地是否良好。这些物理层面的措施，往往比任何软件滤波都更有效。当物理手段无法完全消除噪声时，再借助上述的滤波技术进行补救。记住，了解你信号的物理特性，理解每个滤波参数的意义，才能在不同场景下做出最明智的选择，得到清晰、可靠的心电和肌电信号。