EMG数据FFT处理代码正确性及低频峰值问题求助

一、已完成的操作与代码 #

1. 原始与滤波后信号可视化 #

已完成0Hz滤波处理，使用以下代码绘制信号曲线：

plt.figure(figsize=(20,10))
sns.lineplot(data = DF_newemg,  x = DF_newemg.index, y = 'emg[2]', label = 'DF_newemg')
sns.lineplot(data = DF_newemg_filtered, x = DF_newemg_filtered.index, y = 'emg[2]', label = 'DF_newemg_filtered')
plt.show()

结果说明：展示了原始EMG信号与0Hz滤波后信号的时域对比曲线。

2. FFT频谱提取与绘制 #

采用以下代码提取正频率分量并绘制频谱：

fs = 1000

from scipy.fft import fft, fftfreq

N = len(DF_newemg_filtered['emg[0]'])  
freqs = fftfreq(N, d=1/fs)  
fft_values = fft(DF_newemg_filtered['emg[0]'].to_numpy())  

positive_freqs = freqs[:N // 2]
fft_values = abs(fft_values[:N//2]) 
plt.plot(positive_freqs, fft_values, label='Filtered Signal Spectrum', color='blue') 

结果说明：绘制了滤波后EMG信号的正频率频谱图，出现0Hz及0~100Hz区间高峰值。

二、遇到的问题 #

• 频谱中0Hz及0~100Hz区间出现异常高峰值（设备已自带50Hz陷波滤波器）
• 不确定FFT结果的Y轴数值是否符合物理意义

三、问题分析与解决建议 #

针对0Hz及0~100Hz高峰值的处理 #

1. 0Hz成分残留：

   • 检查0Hz滤波的具体实现：若使用高通滤波，确认截止频率是否合理（建议设置为1Hz，彻底滤除直流偏移）；若滤波阶数过低，会导致直流分量残留，可适当提高滤波阶数（比如4阶巴特沃斯高通）。
   • 排查信号采集伪迹：EMG信号的低频峰值可能来自电极移动、肌肉静息时的基线漂移，需确认采集过程中电极是否固定良好、受试者是否保持稳定姿态。

2. 0~100Hz高峰值：

   • 50Hz陷波的局限性：设备自带的陷波滤波器可能仅针对50Hz基波，未覆盖100Hz二次谐波，可额外添加100Hz陷波滤波。
   • 确认EMG信号正常能量分布：肌电信号的主要能量集中在20_{500Hz区间，0}100Hz有一定幅值属于正常情况，但如果峰值过高，需排查是否存在电源杂散干扰、电极接触不良等问题。

关于FFT Y轴数值的正确性修正 #

当前代码直接取FFT的绝对值，未做幅值归一化，导致Y轴数值不具备物理意义。修正方法如下：

fs = 1000
from scipy.fft import fft, fftfreq

N = len(DF_newemg_filtered['emg[0]'])  
freqs = fftfreq(N, d=1/fs)  
fft_values = fft(DF_newemg_filtered['emg[0]'].to_numpy())  

# 提取正频率并做幅值归一化
positive_freqs = freqs[:N // 2]
fft_amp = abs(fft_values[:N//2])

if N % 2 == 0:
    # 偶数点：直流分量单独除以N，其余除以N/2
    fft_amp[0] = fft_amp[0] / N
    fft_amp[1:] = fft_amp[1:] / (N/2)
else:
    # 奇数点：所有分量除以(N-1)/2
    fft_amp = fft_amp / ((N-1)/2)

plt.plot(positive_freqs, fft_amp, label='Filtered Signal Spectrum (Normalized)', color='blue')
plt.ylabel('Amplitude')
plt.xlabel('Frequency (Hz)')
plt.legend()
plt.show()

验证方法：生成已知参数的测试信号（如100Hz、幅值为1的正弦波），用上述代码做FFT，若对应频率点的幅值接近1，则说明归一化正确。

内容的提问来源于stack exchange，提问作者이다은