我正在使用 Matlab 处理神经生理学数据，我目前正在处理信号中的这种噪声：
特写
编辑：
为了澄清，干净的信号应该是这样的：
编辑2：
干净的
噪音污染
这些光谱取自 10 秒的片段，因为整个块要大得多。两个光谱都来自包含第一和第三图中数据的段（有和没有数据的噪声位）。噪声事件在每个数据块内是稀疏的。
这在数据集中经常发生，因此，我在检测感兴趣的事件（即神经尖峰检测）时遇到了一些麻烦。当我试图检测信号中的小幅度尖峰时，尽可能多地保留原始信号至关重要。
关于如何更好地解决这个问题的任何建议？纠正信号中这些变化/尖峰的最佳方法是什么，尽可能多地保留信号？
任何建议/帮助将不胜感激！
干杯，米
下面，一种去除 3 个指数脉冲的方法。
1.- 从提供的图表重建信号 + 干扰源
clear all;clc;close all
A=imread('001.jpg');
A1=A(:,:,1);
figure(1);imshow(A1)
A2=~imbinarize(A1);
figure(2);imshow(A2)
% 001
问题：bwmorph打破因果关系并分裂信号
A3=bwmorph(A2,'skel',Inf);
figure(3);imshow(A3);
% 002
[sz1 sz2]=size(A2)
for k=1:1:sz2
L1=A2(:,k);
n1=find(L1);
A2(:,k)=zeros(1,sz1);
if ~isempty(n1)
A2(floor(mean(n1)),k)=1;
end
end
figure(4);imshow(A2)
% 003
现在信号已正确映射。
由于问题发起者可以使用受污染的信号，因此应在此处插入原始数据：
s=0
for k=1:1:sz2
L1=A2(:,k)
s=[s find(L1)];
end
s(1)=[]
2.- 平均值在哪里？
不要只做 s=s-mean(s)
故意留下 y=0 轴刻度
% 004
mean_s=287
s=-(s-mean_s)
3.- 重建时间参考
t=linspace(0,10,sz2)
dt=mean(diff(t))
4.- 绘图信号+干扰
figure(5);plot(t,s);grid on
xlabel('t[seconds]');ylabel('s+i') % signal+interferer
评论：
最初 5 秒内的 VLF 弯曲可能来自传导干扰；联系，在手机上应用心电图传感器？
基站或移动寻求答案，以一定的功率开始，然后随着数据包的交换基站移动终端告诉对方增加或减少功率，通常基站开始高于确保到达小区边缘所需的功率，然后降低电源直到 MS 说电平正常。
负尖峰表明可能有金属反射干扰信号。
您提供了一个参考信号，它应该是什么样的，但是没有时间参考，只有样本量，没有进一步的信息，不确定参考信号持续时间也是 10 秒，是吗？
[pks,locs]=findpeaks(s,'MinPeakHeight',50,'MinPeakDistance',50)
s_peaks=s(locs)
5.- 3 个指数衰减干扰脉冲何时开始？
t_peaks=t(locs)
6.- 时间测量的这 3 个脉冲之间的平均延迟是多少？
diff(t_peaks)
7.- 在数量样本中测量的这 3 个脉冲之间的平均延迟是多少？
diff(locs)
8.- 脉冲的实际幅度是多少？大约第一个样本
ds_peaks=s(locs)-s(locs-10)
9.- 每个干扰脉冲的样本量是多少？
nT1=floor(mean(diff(locs)))
10.- 3 个指数脉冲各自的衰减常数是多少？
a=-1./(dt*nT1)*log(1./ds_peaks)
11.- 直接在图表上测量的第一个干扰脉冲开始时间
t0=.688
12.- 第一个干扰脉冲的起始时刻的样本数是多少？
nt0=[1:1:floor(mean(intersect(find(t>t0-.01),find(t<t0+.01))))]
13.- 每个干扰脉冲的值：
e1=ds_peaks(1)*exp(-a(1)*dt*([1:1:nT1]+t0))
e2=ds_peaks(2)*exp(-a(2)*dt*([1:1:nT1]+t0))
e3=ds_peaks(3)*exp(-a(3)*dt*([1:1:nT1]+t0))
e_interf=[zeros(1,numel(nt0)) e1 e2 e3 zeros(1,sz2-3*nT1-numel(nt0))]
hold all
plot(t,e_interf)
s2=s-e_interf
figure(6);plot(t,s2);grid on
xlabel('t[seconds]');ylabel('s+i-3pulses') % signal+interferrer
如果有兴趣，我可以展示如何使用findpeaks去除尖锐的负脉冲。
您可以通过使用高通滤波器来减少大的衰减偏差。您还可以使用低通滤波器减少强尖峰，从而组合形成带通滤波器。困难的部分是确定带通的低频和高频，并在一定程度上确定阻带衰减，同时判断什么是可接受的结果。
如果您添加了噪声破坏信号和无噪声信号的频谱，则可以提供更具体和更有帮助的建议。您的信号似乎可以改进，但需要更多细节来提出具体建议。
对编辑 2 的回应
有很多光谱重叠，因此改进程度将受到限制。我肯定会首先对 3 Hz 以上的所有内容进行高通滤波，以减少大的指数偏差。如果这产生了一些有希望的东西，你可以继续使用更硬的大幅尖峰。它们非常容易被检测到，因此您可以忽略它们或将这些间隔设为空白，但这可能不适合您的应用程序。
您也可以尝试在时域中使用软限制来减少大尖峰，然后对低于 49Hz 的结果进行低通滤波，或者首先尝试低通滤波器。