0.01 Hz的高通滤波器，适用于EEG缓慢漂移

我正在尝试为脑电图（EEG）数据集制作一个高通滤波器，以消除非常缓慢的漂移。但是，0.3 Hz左右的频率对于研究这些数据非常重要。

我使用Matlab，并尝试了各种方法。似乎使用FIR滤波器可以实现3 dB的极低dB衰减。例如，我使用了：

h=fdesign.highpass('Fst,Fp,Ast,Ap',0.005,0.01,3,1,250); % i needed to cut 
d=design(h,'butter');
fvtool(d)

但是，此滤波器会在数据开始时产生直流漂移，因此我不希望丢失这些第一个数据点。

我已经阅读了您的页面，其中有一个聪明的主意是设计一个低通滤波器，稍后再从实际数据中减去它。我用等波纹滤光片进行了过滤，结果正常，但基线上升。我现在不想运行平均去除，因为这是分析协议的下一步。

有什么建议么？

您需要一台时间机器：为了避免在出现直流冲击，您需要了解滤波器的状态，就像它在开始录制之前就已经在运行一样。无论您使用哪种过滤器，都不会发生这种情况。$t=0$

这是一个技巧，可能对您有用。假设您有一个抽头FIR滤波器（或IIR滤波器，其N采样后的脉冲响应会充分衰减到0 ）。提取信号的前N个样本，将其反转，然后将其添加到信号的开头。实际上，我们定义一个新的信号克（吨）= 克（- 吨）= ˚F （吨），用于滤波的目的。当您对它进行过滤时，过滤器状态将已被初始信号“启动”：删除第一个$N$$N$$N$$g(t)=g(-t)=f(t)$$N$ 输出的采样和DC冲击应该已经消失了。

不用说，该方案有很多陷阱-对于初学者而言，实时处理更困难，并且如果信号导数在较高时，您仍然会遇到前几个样本的信任问题。但是它应该摆脱颠簸。$t=0$

看一下filtfilt函数。它提供了零相位响应和完美的阶跃响应。特别是，filtfilt过滤的阶跃响应属性可以解决您的问题。

我做了罗托勒特先生解释的把戏，并认为这是我能做的最好的事情。

如果您采用连续采样/硬件补偿的方法，那么效率可能会使您对DC阻止程序感兴趣，如Randy Yates和Richard Lyons在dsp Tips＆Tricks 2008年3月中所述。

我尝试了一些效果很好的方法-对于指定的放大器。Matlab代码在此处：https : //sites.google.com/site/marialstavrinou/home/dc-offset-removal-filter-in-matlab。

您不在乎DC的绝对值，对吗？

为什么不只为数据添加静态偏移，以使第一个数据点为零？

当然，您必须将偏移量添加到每个数据点，但这将完全避免您在使用过滤器时出现较大的阶跃响应问题。

有效地，过滤器启动初始化为零。因此，当您的数据开始时，过滤器会看到从零到您拥有的任何直流电平的巨大阶梯。

只需添加偏移量即可删除阶梯。

为什么不进行平均清除？再次执行此操作的后续步骤只是无效（将减零）。