我正在尝试为脑电图 (EEG) 数据集制作高通滤波器，以消除非常缓慢的漂移。然而，0.3 Hz 左右的频率对于这些数据所服务的研究非常重要。
我使用 Matlab 并尝试了各种方法。对于 FIR 滤波器，3 dB 的非常低的 dB 衰减似乎很好。例如，我使用的是：
h=fdesign.highpass('Fst,Fp,Ast,Ap',0.005,0.01,3,1,250); % i needed to cut
d=design(h,'butter');
fvtool(d)
然而，这个滤波器在数据开始时会产生直流漂移，我不希望丢失这些第一个数据点。
我已经阅读了您的页面，一个聪明的想法是设计一个低通滤波器，稍后我将从真实数据中减去。我使用 equiripple 滤波器完成了它，它有效，但留下了基线提升。我不想现在运行平均去除，因为这是分析协议的下一步。
有什么建议？
您需要一台时间机器：为了避免时的 DC 冲击，您需要知道过滤器的状态，就好像它在录制开始之前就已经运行一样。无论您使用哪种过滤器，这都不会发生。
这是一个可能对您有用的技巧。假设您有一个抽头 FIR 滤波器（或一个 IIR 滤波器，其脉冲响应在个样本后充分衰减到 0）。获取信号的前个样本，将它们反转，然后将其添加到信号的开头。实际上，我们定义了一个新信号用于过滤。当您对其进行过滤时，过滤器状态将已经被初始信号“启动”：删除输出的前个样本，DC 冲击应该已经消失了。
不用说，这个方案有很多陷阱——对于初学者来说，实时处理更难做到，如果信号导数在时很高，那么前几个样本仍然会有信任问题。但它应该摆脱颠簸。
看一下 filtfilt 函数。它提供零相位响应和完美的阶跃响应。特别是 filtfilt 过滤的阶跃响应特性可以解决您的问题。
我做了 rtollert 先生解释的把戏，并认为这是我能做的最好的。
如果您走连续采样/硬件补偿的路线，那么效率可能会让您对DC 阻断器感兴趣，正如 Randy Yates 和 Richard Lyons 在 2008 年 3 月 dsp Tips & Tricks 中所描述的那样
我为指定的放大器尝试了一些效果很好的方法。matlab 代码在这里：https ://sites.google.com/site/marialstavrinou/home/dc-offset-removal-filter-in-matlab 。