4. 医疗设备边缘数据预处理

医疗设备在边缘侧采集到的原始信号，几乎不可能直接用于算法判断。以心电、脑电、光电容积脉搏波、呼吸感应体积描记、肌电这几类常见生理信号为例，采集链路中同时叠加了工频干扰、电极接触噪声、运动伪迹、呼吸漂移、基线漂移和量化噪声。边缘预处理的目标不是把信号“修得好看”，而是把后续特征提取和判读所依赖的形态、幅度、时序关系保留下来，同时把与生理无关的成分压下去。本节按处理链的顺序展开：先明确各环节解决什么问题，再给出可落地的参数与判断依据。

去噪与滤波：先分清噪声落在哪个频段

去噪的核心是频段分离。心电诊断带宽通常取 0.05～100 Hz，监护场景可收窄到 0.5～40 Hz；脑电常用 0.5～70 Hz；PPG 的脉搏成分集中在 0.5～5 Hz。工频干扰位于 50 Hz（或 60 Hz）及其谐波，属于窄带噪声，适合用陷波器处理；肌电和电极接触噪声是宽带噪声，适合用低通或带通滤波限制带宽。滤波器的选择要兼顾相位失真：诊断级心电强调 ST 段形态，应优先使用零相位滤波（如对整段数据做正向和反向两次滤波），避免 IIR 滤波引入的群延迟把 QRS 位置整体平移。

一个可参考的实现是：对 500 Hz 采样的心电，先做 0.5 Hz 二阶高通去基线漂移，再做 40 Hz 低通抑制肌电，最后用 50 Hz 陷波（Q 值取 30～35）压制工频。若采样率为 250 Hz，则低通截止不宜超过 100 Hz，且陷波中心必须与当地电网频率一致。滤波后应检查 QRS 幅度是否明显衰减、ST 段是否被削平，这是判断滤波是否过度的直接依据。

基线校正：把缓慢漂移从生理波形中剥离

基线漂移主要来自呼吸运动、电极极化电位变化和体温引起的接触阻抗变化，频率一般低于 0.5 Hz。校正方法有两类：一类是高通滤波，简单但会改变 ST 段等低频形态；另一类是中值滤波或形态学方法，先估计基线再相减，对形态保留更好。以 500 Hz 心电为例，可用两级中值滤波估计基线：第一级窗长取 0.2 s（约 100 点）去除 QRS，第二级窗长取 0.6 s（约 300 点）平滑得到基线，再从原信号中减去。校正后应确认基线回到零附近，且 QRS 与 T 波的相对幅度关系未被破坏。

异常值剔除与缺失值处理：区分“坏点”和“坏段”

异常值通常表现为尖峰、饱和削顶或短时大幅跳变。对单点尖峰，可用滑动中值加绝对偏差判据：以窗长 5～11 点计算中值 M 和 MAD，若某点偏离 M 超过 k×MAD（k 常取 3～5），则判为异常并用中值替换。对持续数秒的饱和段或运动伪迹段，逐点替换会制造虚假波形，应整段标记为无效，而不是强行插值。

缺失值处理要区分成因：通信丢包造成的缺失是随机短缺口，可用线性插值或样条插值补齐；电极脱落造成的缺失是连续长缺口，应保留为无效区间并向下游传递质量标记。插值长度一般不超过 0.2 s，超过该长度应标记为不可信。所有替换和插值都应记录在质量字段中，供后续算法决定是否采信该段数据。

时间戳对齐与多通道融合：让不同来源的数据落在同一时间轴

多设备采集时，各通道的采样时钟独立，长时间运行会产生时钟漂移；不同传感器的传输延迟也不同。时间戳对齐的第一步是统一时基，把设备本地时间戳换算到同一参考时钟；第二步是估计并补偿固定延迟，例如 PPG 相对心电存在脉搏传导延迟，这个延迟是生理量，不应被“对齐”掉，需要区分的是传输延迟和生理延迟。对齐后可用互相关或特征点（如 R 波与脉搏波起点）校验残余偏移，通常要求残余偏移小于一个采样周期。

多通道融合不是简单拼接。对同一生理量的多路冗余采集（如三导联心电），可做加权平均或中值融合提升信噪比；对不同模态（心电、PPG、呼吸），应保留各自独立通道，仅在特征层或决策层融合。融合前必须完成时间对齐和质量标记，否则一路坏数据会污染整个融合结果。

参数与判断依据汇总

把上述环节串起来，边缘侧最终交付的不只是一段干净信号，而是一份带质量信息的数据包：每个采样点或每个数据段都附带是否有效、是否插值、时间偏移量、通道质量等字段。后续的特征提取、节律判断和报警逻辑，都应先读质量字段再决定是否采信。这样，预处理才真正成为医疗设备边缘计算中可追溯、可验证的一环。