我的目标是为 EEG 数据构建一个实时过滤器。数据以 512Hz 记录，我希望对其进行过滤（实时，以最佳方式从 0.5Hz 到 30Hz）。
不幸的是，我不是 DSP 方面的专家，所以我不确定我应该使用哪种类型的滤波器，IIR 还是 FIR？推荐的过滤器类型butter, cheb1, 或是cheb2什么？
我所了解的是在设计过滤器时需要设置一些属性。其中包括过渡带、滤波器阶数、群延迟、吉布斯效应、线性相位等。
目前，我对这些属性列表感到非常困惑。我也相信上面提到的一些属性是相互依赖的。我在网上找不到任何“易于使用”的配方，说明如何构建此类过滤器以及构建此类过滤器时应考虑哪些因素。
我会尽量指导你的研究，而不是给你一个直接的答案。一键式食谱不太适合获得最佳结果，这需要一些仔细的洞察力。毕竟，您正在处理生物信号。
要开发实时过滤器，您需要在下一个样本/窗口出现之前处理每个样本/窗口。您需要考虑可用于计算的 CPU 时间（取决于平台）和一次必须过滤的信号数量（当然，随后会影响已用内存）。毕竟，数字滤波器不过是一堆和和乘积。
现在您应该研究需要过滤的信号类型。您似乎正在处理从 delta 到 beta 波的频率。您需要深入了解每个信号的特征，以便在过滤后保留它们（例如，如果研究睡眠期间的大脑活动，您应该确保在第二阶段不会错过 k 复合体和纺锤体）。通过这种方式，您可以查看一些值：允许的最大带通纹波、过渡带的宽度等。
有了这些信息，经过一些研究（例如Burrus & Parks 的数字滤波器设计；Oppenheim & Schafer 的离散时间信号处理），您可以选择您需要的滤波器类型，并进一步了解实施细节。
幸运的是，通过一个简单的谷歌查询，你可以找到很多东西。有 Matlab 工具箱可帮助您设计滤波器：
还有很多免费论文：谷歌查询“脑电图过滤”。
过滤器的阶数越高，精度越高，但每秒需要的操作越多。所以这里的主要限制是你需要为一堆信号保持实时。