仅作笔记，转载自：

(21条消息) 【20220114】【信号处理】什么是基线漂移/趋势项？如何消除？_Satisfying的博客-CSDN博客_基线漂移

一、带你了解基线漂移

1. 什么是基线漂移？

        一个特别低频的曲线叠加到了原始信号上，使得原始信号有缓慢的轻微的上下浮动的趋势。如下图：

        （参考：信号基线漂移是什么意思？）

        （参考：心电 基线漂移的处理研究论文）

        （参考：ECG信号读出，检测QRS，P，T 波 —— 去除高频噪声与基线漂移）

        （参考：ECG信号 —— ECG噪声来源）

2. 基线漂移的危害？

        如果不消除基线漂移/趋势项，那么会把趋势项当作真是采集的原始信号，会影响信号的准确性和后续的数据处理结果。

        存在基线漂移时，在进行 FFT 分析、相关性分析和功率谱密度分析等时会出现畸变，造成低频出现尖峰，甚至淹没主频成分，从而严重影响精度。如下图：

二、消除趋势项的方法

        基线漂移的本质是在原始信号上叠加了直流分量、低频分量。滤波法和拟合基线法是两类最常用的基漂抑制方法。

        （参考：时域信号趋势项的消除办法及案例分析）

1. 最小二乘法拟合

        原理：最小二乘法拟合出趋势项，再用原始数据减去趋势项。

2. 小波变换

        基线漂移主要为低频分量，通过小波变换的多尺度分解过程，在分解的低频系数中可以观察到信号的基线趋势，用原始信号减去这个基线趋势即可。   

        （参考：基线漂移的几种方法）

3. EMD 

        EMD 方法认为任何信号都可以分解为若干个不同的本征模态函数（IMF）和一个残余量稳定态。其中各个不同的本征模态函数反映了信号的局部特性，残余量反映了信号的趋势或均值。所以EMD 方法可以通过 “筛选” 的方法把残余量分离出来。

        （参考：基线漂移的几种方法）

        其他去除基线漂移的方法还有凸优化、平滑先验方法、VMD、FIR 滤波、中值滤波、低通滤波器等。

        （参考：去基线漂移）

        （参考：数字信号处理实验（六）—— 心电信号处理 IIR FIR滤波综合题（下篇））

方法

优点

缺点

FIR 滤波

原理简单，无累计误差，适用于实时场合

幅频失真明显

最小二乘法拟合

原理简单，Matlab 有库函数可以直接调用

对信号的拟合需要事先预测趋势项的类型（直流分量、线性分量、指数函数、幂函数等），随着趋势项复杂程度的增加，拟合的难度也增大，不适用于复杂的实际信号

小波变换

小波基函数的选取和小波阶次的确定都需要事先预测

EMD

基于信号本身的时间尺度特征，无需选择基函数，非常适用于非线性、非平稳信号的处理，具有很高的信噪比

        （参考：脑电信号中的基线漂移总结）

        （参考：趋势项消除-方法总结）

三、从 Matlab 仿真角度理解消除趋势项

1. Matlab 命令

        （参考：detrend函数的意义） 

        （参考：时间序列趋势项提取（Matlab））

2. Matlab 仿真

运行结果： 

        注意：使用最小二乘法拟合趋势项需要选取合适的多项式阶数，阶数选择的过高和过低都无法拟合出理想的趋势项！ 如下图：

         从上图可以看出，阶数为 5 和 10 都无法完全消除趋势项；而阶数为 40 和 80 又因为过拟合造成信号畸变~

        （参考：MATLAB从ECG信号数据趋势项的消除）

        （参考：基线调整－最小二乘法消除多项式趋势项）

        （参考：去除数据的线性趋势）

        （参考：使用Matlab对数据进行去趋势（detrend））