希尔伯特变换幅值包络无法在带通滤波后的脑电信号上绘制

问题描述 #

对脑电（EEG）信号执行带通滤波后，应用希尔伯特变换并取绝对值获取瞬时功率时出现异常：带通滤波后的信号显示正常，原始信号的希尔伯特变换结果也正常，但带通滤波信号经希尔伯特变换后得到的数组全为nan+nanj，无法正常显示结果。

可复现代码 #

import numpy as np
from neurodsp.filt import filter_signal
from scipy import signal
import matplotlib.pyplot as plt

Fs = 1024
LBP, HBP = 1, 100
Chan1 = np.loadtxt('SampleData')
Chan1_BP = filter_signal(Chan1, Fs, 'bandpass', (LBP,HBP))

# 原始信号希尔伯特变换正常
analytical_signal = signal.hilbert(Chan1)
amplitude_envelope = np.abs(analytical_signal)

# 验证带通滤波信号正常
fig0 = plt.figure(figsize=(10, 8))
plt.plot(Chan1)
plt.plot(Chan1_BP)

fig1 = plt.figure(figsize=(10, 8))
plt.plot(Chan1)
plt.plot(amplitude_envelope)

# 带通滤波信号希尔伯特变换出现问题
analytical_signal = signal.hilbert(Chan1_BP)
amplitude_envelope = np.abs(analytical_signal)

fig2 = plt.figure(figsize=(10, 8))
plt.plot(Chan1_BP)
plt.plot(amplitude_envelope)

原因分析与解决方案 #

核心原因 #

neurodsp.filt.filter_signal函数在滤波过程中，会因边界效应在信号首尾生成NaN值；而scipy.signal.hilbert处理包含NaN的数组时，会直接返回全NaN的复数数组。

解决方法 #

方法1：清理滤波后的NaN值

先检查并移除滤波信号中的无效NaN段：

# 定位有效信号区间
valid_mask = ~np.isnan(Chan1_BP)
Chan1_BP_clean = Chan1_BP[valid_mask]

# 重新执行希尔伯特变换
analytical_signal = signal.hilbert(Chan1_BP_clean)
amplitude_envelope = np.abs(analytical_signal)

之后绘图时注意对应有效区间的时间轴即可。

方法2：修改滤波参数避免生成NaN

若使用的neurodsp版本支持，调用filter_signal时添加remove_edges=False参数，关闭边缘截断逻辑：

Chan1_BP = filter_signal(Chan1, Fs, 'bandpass', (LBP,HBP), remove_edges=False)

此方法可保留完整信号长度，但需注意边缘的滤波误差，若对边缘精度要求高，可后续手动处理边缘值。

方法3：预处理信号减少边界效应

对原始信号先做边缘填充（如镜像填充、零填充），再执行滤波：

# 镜像填充信号边缘，长度为滤波器阶数的一半（示例）
from scipy.signal import firwin
order = int(3 * Fs / LBP)  # 估算滤波器阶数
Chan1_padded = np.pad(Chan1, order//2, mode='reflect')

# 对填充后的信号滤波
Chan1_BP_padded = filter_signal(Chan1_padded, Fs, 'bandpass', (LBP,HBP))
# 截断回原始信号长度
Chan1_BP = Chan1_BP_padded[order//2 : -order//2]

# 再执行希尔伯特变换
analytical_signal = signal.hilbert(Chan1_BP)
amplitude_envelope = np.abs(analytical_signal)

内容的提问来源于stack exchange，提问作者Andrew M