为何scipy.signal.filtfilt会归一化结果？如何实现无归一化滤波？

首先明确：filtfilt没有对数据做归一化，你看到的数值范围变化是带通滤波器的正常特性导致的。

为什么会出现这种情况？ #

你的原始数据范围是80_{130，说明数据存在一个明显的直流偏移（整体抬升的基线）。而你使用的是0.5}32Hz的带通滤波器，直流分量（0Hz）属于滤波器的阻带（即会被过滤的频段），因此滤波后直流分量被完全移除，剩下的只有原始数据中的交流波动部分，所以数值范围变成了-20~30。

解决办法 #

根据你的需求选择对应的方案：

方案1：保留原始直流偏移，同时保留0.5~32Hz信号

如果你需要带通滤波后的结果维持原始数据的基线水平，可以先计算原始数据的直流分量（均值），滤波后再把这个均值加回去：

import numpy as np
from scipy.signal import butter, filtfilt

def butter_bandpass(lowcut, highcut, fs, order=5):
    nyq = 0.5 * fs
    low = lowcut / nyq
    high = highcut / nyq
    b, a = butter(order, [low, high], btype='band')
    return b, a

def butter_bandpass_filter(data, lowcut, highcut, fs, order=5):
    b, a = butter_bandpass(lowcut, highcut, fs, order=order)
    # 计算原始数据的直流分量（均值）
    dc_offset = np.mean(data)
    # 执行滤波
    y = filtfilt(b, a, data)
    # 加回直流偏移
    return y + dc_offset

调用方式不变，处理后的数据范围会回到与原始数据接近的区间，同时保留目标频段的信号。

方案2：调整滤波器类型（若无需严格带通）

如果你其实不需要过滤0_{0.5Hz的信号，只是想保留直流+0}32Hz的信号，那么应该使用低通滤波器而非带通：

import numpy as np
from scipy.signal import butter, filtfilt

def butter_lowpass(cutoff, fs, order=5):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b, a = butter(order, normal_cutoff, btype='low')
    return b, a

def butter_lowpass_filter(data, cutoff, fs, order=5):
    b, a = butter_lowpass(cutoff, fs, order=order)
    y = filtfilt(b, a, data)
    return y

调用代码改为：

trial = butter_lowpass_filter(trial, 32, 256, 5)

这种方式会保留原始数据的直流偏移，同时滤除32Hz以上的高频噪声，数据范围不会出现大幅下降。

额外建议 #

如果你想直观理解滤波器的频率特性，可以使用scipy.signal.freqz绘制滤波器的幅频响应：

import matplotlib.pyplot as plt
from scipy.signal import freqz

b, a = butter_bandpass(0.5, 32, 256, 5)
w, h = freqz(b, a, worN=8000)
plt.plot(0.5*256*w/np.pi, np.abs(h))
plt.xlabel('Frequency (Hz)')
plt.ylabel('Gain')
plt.title('Butterworth Bandpass Filter Frequency Response')
plt.grid(True)
plt.show()

从图中可以清晰看到0Hz（直流）处的增益接近0，这就是直流分量被滤除的原因。

内容的提问来源于stack exchange，提问作者Lucian