生物信号基础：ECG/EEG/EMG信号特征、频率范围、幅值范围、噪声来源与典型应用场景
在进入CMSIS-DSP算法设计与优化之前，我们必须先建立对生物信号本身的“物理直觉”。ECG（心电图）、EEG（脑电图）、EMG（肌电图）是嵌入式生物信号处理中最常遇到的三种电生理信号。它们都源自细胞膜的离子流动，但幅度、频率、电极阻抗和噪声模型截然不同。本章将系统梳理三类信号的本质特征、频谱边界、幅值动态范围、主要干扰源及典型应用场景，为后续章节中的滤波器设计、特征提取和实时处理提供量化依据。
上图展示了三类生物信号从电极拾取到CMSIS-DSP处理的完整链路。可以看到，ECG、EEG、EMG虽然都经过类似的模拟前端调理，但它们的幅值范围、频率分布和噪声特性差异巨大，这直接决定了ADC位数、采样率、滤波器阶数和算法复杂度的选择。下面我们逐一深入分析。
2.1 ECG心电信号：低频高阻抗源
核心原理与信号特征
ECG记录的是心肌细胞去极化和复极化的综合电位变化。在体表测量时，单个心搏周期包含P波、QRS波群和T波。QRS波群是能量最集中的部分，其上升沿时间约为10~20 ms，对应频谱能量集中在10~30 Hz。P波和T波则属于低频成分，主要分布在0.5~5 Hz。整体ECG信号的有效带宽为0.05~100 Hz，但临床诊断通常关注0.5~40 Hz。
幅值方面，标准12导联ECG的R波峰值通常在0.5~2.5 mV，病理状态下可能低至0.3 mV或高达4 mV。由于皮肤电极接触阻抗可达数十千欧，且人体本身是容积导体，ECG源阻抗较高，因此前置放大器必须具有高输入阻抗（>10 MΩ）和高共模抑制比（>90 dB）。
噪声来源与量化分析
| 噪声类型 | 频率范围 | 幅值特征 | 对ECG的影响 |
|---|---|---|---|
| 工频干扰（50/60 Hz） | 50/60 Hz ± 0.5 Hz | 可达R波幅值的50% | 叠加在ST段，影响诊断 |
| 肌电干扰（EMG） | 20~500 Hz | 随机高频毛刺 | 模糊QRS边界 |
| 基线漂移 | 0.05~0.5 Hz | 缓慢波动，可达1 mV | 影响ST段判断 |
| 电极运动伪迹 | 0.1~10 Hz | 瞬态大幅值 | 误检为异位搏动 |
典型应用场景与CMSIS-DSP切入点
在可穿戴心电贴片和动态心电记录仪中，CMSIS-DSP常用于实现以下功能：
- QRS检测：使用带通滤波（5~20 Hz）结合差分阈值法，在Cortex-M4上可达到毫秒级实时检测。
- 基线漂移抑制：采用零相位高通滤波（截止频率0.5 Hz）或中值滤波，避免ST段失真。
- 工频陷波：使用IIR双二阶陷波器（Q=30），在50 Hz处衰减40 dB以上。
arm_biquad_cascade_df1_f32函数可直接用于工频陷波，但需注意Q值过高会导致瞬态振铃。
2.2 EEG脑电信号：微伏级低频信号
核心原理与频段划分
EEG记录的是大脑皮层锥体细胞突触后电位的总和。由于颅骨和头皮的衰减作用，到达头皮表面的信号极其微弱，典型幅值仅为5~300 μV。EEG按频率分为五个经典频段：Delta（0.5~4 Hz，深睡眠）、Theta（4~8 Hz，困倦）、Alpha（8~13 Hz，放松闭眼）、Beta（13~30 Hz，警觉）、Gamma（30~50 Hz，认知加工）。
值得注意的是，EEG信号在50 Hz以上能量急剧衰减，因此大多数临床EEG设备采样率设置为250~500 Hz即可满足奈奎斯特条件。但对于事件相关电位（ERP）研究，需要捕捉P300等成分的精确潜伏期，采样率可能需要提高到1000 Hz。
噪声挑战与伪迹剔除
EEG是三类信号中最容易受噪声污染的信号，主要干扰源包括：
- 眼电伪迹（EOG）：眨眼产生0.5~5 Hz的大幅值信号（可达500 μV），是低频段最主要的干扰。
- 工频干扰：由于EEG幅值极小，50 Hz工频即使经过良好接地仍可能达到10~20 μV，信噪比极低。
- 电极接触噪声：电极与头皮之间的阻抗不稳定，导致基线漂移和尖峰噪声。
在CMSIS-DSP中处理EEG时，通常采用自适应滤波或盲源分离（如ICA），但ICA在MCU上计算量过大。工程上更实用的方案是：使用arm_lms_f32实现自适应噪声对消，以眼电通道作为参考输入，从EEG通道中实时减去相关成分。
应用场景与算法选型
| 应用场景 | 采样率 | 关键频段 | CMSIS-DSP推荐算法 |
|---|---|---|---|
| 睡眠分期 | 200~500 Hz | Delta/Theta/Alpha | FFT功率谱密度估计 |
| 脑机接口（BCI） | 250~1000 Hz | Mu/Beta节律 | 带通滤波+共空间模式 |
| 癫痫监测 | 500~2000 Hz | 高频振荡（80~500 Hz） | 小波变换（arm_dwt） |
| 注意力检测 | 128~256 Hz | Theta/Beta比值 | Goertzel算法 |
2.3 EMG肌电信号：宽频高动态范围信号
核心原理与幅值特征
EMG记录的是骨骼肌纤维动作电位的叠加。与ECG和EEG不同，EMG信号呈现明显的“干涉模式”——多个运动单元的动作电位在时间和空间上随机叠加，形成类似噪声的波形。表面EMG的幅值范围在0.1~5 mV（峰值），均方根值（RMS）通常在0.1~1.5 mV之间。
EMG的频谱范围较宽，主要能量集中在20~150 Hz，但有效成分可延伸至500 Hz。对于假肢控制等应用，通常需要保留到200 Hz即可；而对于神经肌肉疾病诊断，则需要完整保留到500 Hz，因此采样率至少为1000 Hz。
噪声来源的特殊性
EMG的噪声问题与ECG/EEG有显著不同：
- 运动伪迹：电极与皮肤之间的相对位移会产生0~20 Hz的大幅值干扰，其幅值可能超过真实EMG信号。
- 心电串扰：当测量躯干肌肉（如胸大肌、腹肌）时，ECG信号会叠加在EMG上，形成周期性干扰。
- 线缆运动噪声：由于EMG幅值较小，电极线缆的弯曲和振动会产生摩擦电噪声。
工程处理策略与案例拆解
以一个前臂假肢控制项目为例，我们使用两通道表面EMG传感器（采样率1000 Hz，12位ADC）识别握拳和伸掌动作。初始现象是分类准确率仅72%，主要原因是运动伪迹和工频干扰导致特征不稳定。
分析过程：首先对原始信号做频谱分析，发现20 Hz以下能量异常偏高，且50 Hz处有明显尖峰。进一步检查发现，电极线缆未使用屏蔽线，且模拟前端缺少高通滤波。
解决方案：
- 在模拟前端增加一阶高通滤波器（截止频率20 Hz），消除运动伪迹。
- 使用CMSIS-DSP的
arm_biquad_cascade_df1_f32实现50 Hz陷波器（Q=20）。 - 提取时域特征：RMS、平均绝对值（MAV）、过零率（ZC），并使用
arm_mean_f32和arm_rms_f32高效计算。
结果对比：处理后分类准确率提升至91%，但代价是信号延迟增加了约15 ms（滤波器群延迟）。对于假肢控制，这个延迟仍在可接受范围内（通常要求<100 ms）。
arm_fir_f32），虽然计算量稍大，但可避免IIR滤波器带来的相位失真。若必须使用IIR，建议采用零相位滤波（前向-反向滤波），但会增加一倍延迟。
2.4 三类信号的对比与工程选型要点
| 参数维度 | ECG | EEG | EMG |
|---|---|---|---|
| 典型幅值范围 | 0.5~4 mV | 5~300 μV | 0.1~5 mV |
| 主要频带 | 0.05~100 Hz | 0.5~50 Hz | 5~500 Hz |
| ADC位数建议 | 16~24 bit | 24 bit | 12~16 bit |
| 采样率建议 | 250~500 Hz | 250~1000 Hz | 1000~2000 Hz |
| 输入阻抗要求 | >10 MΩ | >100 MΩ | >1 MΩ |
| 主要噪声源 | 工频、基线漂移 | 眼电、工频 | 运动伪迹、心电串扰 |
| CMSIS-DSP核心函数 | IIR陷波、QRS检测 | FFT、LMS自适应 | FIR带通、RMS计算 |
常见误区与设计建议
误区二：忽略ADC的有效位数（ENOB）。一个标称16位的ADC在1000 Hz采样率下可能只有12位有效精度，这在高增益EEG放大器中会导致量化噪声淹没微弱信号。
误区三：在MCU上直接使用浮点FFT处理长序列。对于1024点FFT，浮点运算在Cortex-M4上需要约2 ms，而定点FFT（
arm_cfft_q15）只需0.5 ms，且精度足够。
在实际嵌入式系统设计中，建议遵循以下流程：首先根据信号特征确定模拟前端增益和滤波方案，然后选择合适的ADC位数和采样率，最后在CMSIS-DSP框架下实现数字滤波和特征提取。对于多通道系统（如32导EEG），还需考虑DMA传输和乒乓缓冲，避免数据丢失。