📚 课程目录第4章信号预处理与质量控制

4. 信号预处理与质量控制

数字生物标志物的原始信号几乎不可能直接进入特征提取阶段。无论是可穿戴设备采集的PPG、加速度计信号，还是脑电、肌电、眼动信号，都会叠加生理噪声、运动伪迹、工频干扰、电极接触不良、采样抖动等问题。预处理与质量控制的目标不是“把信号修得好看”，而是在尽量保留生理信息的前提下，抑制非生理成分，并给出每个数据片段是否可用的量化判断。这一节按处理链顺序展开：滤波、去噪、重采样、缺失值处理、异常检测，最后落到信号质量自动分级。

滤波：先明确保留频带，再选滤波器

滤波的第一步不是选工具，而是确定生理有效频带。以PPG为例，心率相关基频约0.5～4 Hz，呼吸调制在0.1～0.5 Hz，而运动伪迹常集中在0.5～5 Hz并与心率频带重叠，工频干扰在50 Hz（或60 Hz）。因此PPG通常采用0.5～8 Hz带通保留脉搏波形，再用50 Hz陷波抑制工频。EEG则常见0.5～45 Hz带通，并按分析目的拆出δ、θ、α、β子带。

滤波器选型上，离线分析可用零相位filtfilt避免相位延迟；实时嵌入式场景只能用因果IIR（如Butterworth），但需接受群延迟。一个可复现的Python示例：

from scipy.signal import butter, filtfilt, iirnotch
# PPG: 0.5–8 Hz 带通，fs=64 Hz
b, a = butter(4, [0.5/(64/2), 8/(64/2)], btype='band')
ppg_f = filtfilt(b, a, ppg_raw)
# 50 Hz 陷波
bn, an = iirnotch(50/(64/2), Q=30)
ppg_f = filtfilt(bn, an, ppg_f)

判断滤波是否合理，不能只看波形是否平滑，而应检查通带内幅度是否保留、阻带衰减是否足够、相位是否引入偏移。若滤波后心率谱峰位置发生明显偏移，说明通带设置或阶数有问题。

去噪：区分随机噪声与结构化伪迹

去噪与滤波不同：滤波处理频带，去噪处理统计特性。常见方法包括小波阈值去噪、经验模态分解（EMD/CEEMDAN）、自适应滤波和基于加速度参考的运动伪迹去除。小波去噪的关键参数是小波基、分解层数、阈值规则。例如对64 Hz PPG做4层db4分解，对细节系数采用软阈值，阈值取σ√(2lnN)，σ用第一层细节系数的MAD估计。运动伪迹若与加速度信号相关，可用LMS自适应滤波，以三轴加速度为参考输入，从PPG中减去与运动相关的成分。

去噪不是越强越好。过度去噪会削平脉搏波的上升支和重搏切迹，直接影响脉搏波形态类特征（如反射指数、 augmentation index）的可靠性。建议保留原始与去噪两路信号，在特征层做一致性比对。

重采样：统一时间基准

多模态数字生物标志物常涉及不同采样率：PPG 64 Hz、加速度 50 Hz、EEG 256 Hz、眼动 1000 Hz。重采样有两个方向：降采样需先抗混叠低通，再抽取；升采样需先插值再低通。统一到目标采样率后，才能做时间对齐和联合特征。重采样必须记录原始采样率、目标采样率、抗混叠滤波器截止频率和插值方法，否则后续时间窗特征无法复现。

缺失值处理：先分类，再决定策略

缺失不是单一现象，至少分三类：短时丢包（如蓝牙传输丢帧，连续几十毫秒）、长时脱落（电极脱落、设备摘下，持续数秒以上）、结构性缺失（某通道整段未采集）。短时丢包可用线性或样条插值；长时脱落不应插值，应标记为无效段；结构性缺失只能整段剔除或改用其他通道。插值长度建议设上限，例如连续缺失超过200 ms即不插值，直接置为NaN并进入质量分级。

异常检测：幅值、斜率与统计三类判据

异常检测常用三类判据：幅值越界（超过生理合理范围，如PPG交流分量超过基线数倍）、斜率突变（相邻样本差分超过阈值，提示尖峰或饱和）、统计离群（滑动窗口内均值、方差、峰度偏离基线分布）。工程上常组合使用：先做幅值和斜率硬阈值剔除，再用稳健Z分数（基于中位数和MAD）标记统计离群点。异常点应被标记而非直接删除，保留标记供质量分级使用。

信号质量自动分级：把判断变成可计算指标

质量分级的目标是给每个时间窗输出一个可比较的质量等级，供后续特征提取和模型训练筛选。常用指标包括：信号质量指数（SQI）、灌注指数、模板匹配相关系数、频谱信噪比、峰间期变异。以PPG为例，可计算每个5 s窗口的：

模板匹配相关系数 r：与个体模板脉搏波的相关性，r > 0.8 为优；
频谱信噪比 SNR：心率基频及谐波功率与总功率之比；
峰间期变异 CV：相邻脉搏峰间期的变异系数，过大提示节律不稳或伪迹；
缺失比例：窗口内NaN样本占比。

将上述指标映射为等级：A级（r > 0.8 且 SNR > 5 dB 且缺失 < 5%）、B级（r 0.6～0.8 或 SNR 2～5 dB）、C级（r < 0.6 或 SNR < 2 dB 或缺失 > 20%）。A级直接用于特征提取，B级可降权使用，C级剔除。分级阈值必须基于训练集分布确定，并在独立测试集上验证其与下游任务性能的相关性。

处理顺序与可复现性

上述步骤的顺序并非随意。一般建议：先滤波，再去噪，再重采样，再缺失值处理，再异常检测，最后质量分级。原因在于：若先去噪再滤波，伪迹可能被去噪算法放大或扩散；若先重采样再滤波，降采样前的抗混叠低通会与后续带通重复，且可能改变噪声统计特性。每一步都应记录输入输出、参数和版本，形成可追溯的预处理流水线。

质量分级不是一次性动作。同一段信号在不同下游任务中的可用性不同：心率估计对运动伪迹容忍度较高，而脉搏波形态分析对基线漂移和模板匹配要求更严。因此分级阈值应随任务调整，并在报告中明确说明所用阈值和验证方式。

最后需要强调：预处理与质量控制的输出不仅是“干净信号”，还包括每个时间窗的质量标签、缺失掩码、异常标记和参数记录。这些元数据与信号本身同等重要，它们决定了后续特征提取和模型训练能否被复现、审计和解释。把质量控制做成可计算、可追溯、可验证的环节，是数字生物标志物从实验室走向真实世界应用的必要条件。