如何使用 python 平滑这些信号轨迹？答案

【问题标题】：How can I smooth out these signal traces using python?如何使用 python 平滑这些信号轨迹？
【发布时间】：2014-09-15 23:59:27
【问题描述】：

您可以在左侧以绿色看到的快速上升和指数衰减瞬变“尖峰”代表随时间变化的神经活动。蓝色是基线参考信号。如您所见，蓝色和绿色都有一些超时漂移。

因为我遇到了基线漂移和一般嘈杂的信号，所以我尝试了高通滤波器。我能够通过对它们进行反向低通滤波来对它们进行高通滤波（参见简短教程here）。右边是滤波后的信号。

N=101
Fc=0.001  
Fs=1.14  # it's imaging data being acquired at just over 1Hz

h=scipy.signal.firwin(N, Fc, Fs/2)
h=-h
h[N/2] = h[N/2] + 1

#this is filter design output from the tutorial
#mfreqz(h)
#show()

y=scipy.signal.lfilter(h, 1.0, data)
yy=scipy.signal.lfilter(h, 1.0, data2)

尽管它引入了一些伪像，例如在开始时引入了“假峰”，缩小了原始绿色峰，并导致其中一个底部看起来像“下冲”，但它还是有效地消除了漂移。绿色的山峰。

我可能可以容忍其中一些伪影，但它仍然太波涛汹涌，不符合我的喜好。有没有办法消除这里的噪音？

【问题讨论】：

如果目标是平滑，您是否不想进行低通滤波（而不是高通）？
不确定。实际上，我对过滤引入的所有伪影有点困扰。想知道平滑是否更安全......但是，现在将尝试低通滤波（或完全从带通开始）
我知道高通可以消除基线漂移，我记得以前有人告诉我不要这样做（也许是人工制品）。我认为低通可能会更好。我会单独尝试，没有高通，然后两者一起。嗯.. 这里的基线漂移是由“光漂白”引起的，并遵循线性衰减。我敢打赌，如果我能算出斜率，那将很容易纠正。
高通会去除直流，但如果你想平滑，也许可以尝试一个短的 MA 滤波器，但要确保你不会平滑你感兴趣的信号。

标签： python numpy scipy signal-processing

【解决方案1】：

您可以考虑首先使用删除数据中不需要的线性趋势

scipy.signal.detrend

文档是here。

您可能还想尝试从具有科学意义的（绿色）信号中减去适合您的基线（蓝色）信号的最小二乘。

然后，为了平滑数据，请考虑使用低通滤波器，可能是移动平均 (MA) 滤波器或其他类型的低通滤波器。您可能需要尝试定义一个过滤器来去除噪声成分，但不会去除您感兴趣的信号。

【讨论】：

谢谢。我明天会试试这个并更新我的进度。
当然，你对信号所做的任何事情都会有一定程度的伪影。您确实应该了解应用于信号的变换的频率响应，以了解伪影的性质。您看到的尖峰可以认为是由需要稳定输入信号的滤波器产生的。尽管 FIR 滤波器通常比 IIR 多，但任何滤波器都需要一些此功能。考虑丢弃过滤响应的第一部分。但实际上，您需要确定对项目很重要的频段并为此设计滤波器。