简介：面向脉搏波与心电信号分析需求，资源提供可直接运行的预处理与特征提取项目。代码基于nk库完成信号去噪，并提取多项关键特征：潮波幅值比、重搏波幅值比、收缩面积比、舒张面积比、主波高度、波形周期面积、收缩期面积、舒张期面积，以及脉搏传导时间。其中脉搏传导时间由心电信号与脉搏波之间的渡越时间计算，可用于评估动脉弹性与血管功能。整套资源共四十三个文件，含二十九个文本格式信号数据、八个配置信息、四个备份文件与两个程序脚本，压缩包仅四点三一兆，下载后即可复现。目前已有七百四十四人浏览学习，适合生物医学工程、信号处理方向的学生与科研人员快速入门。数据与代码配套提供，便于逐项核对特征计算过程，也可作为二次开发与算法优化的起点。

1. 先对齐、再清洗、后提特征：PPG-ECG预处理到底在解决什么问题

同时拿到PPG和ECG两条信号序列，最常碰到的不是“特征不够”，而是“信号根本没法用”。PPG是光学传感器测的容积脉搏波，ECG是电极测的心电活动，两者在硬件上就是两套采样系统：采样率不一样、时间戳有各自时钟、噪声来源完全不同。你做血压估算、疲劳监测或者心率变异性分析，起点都是同一个——把这两路不同形态的信号拉到同一时间基准上，洗干净噪声，再把能代表心血管状态的指标抽出来。这个过程就是标题里的“预处理及特征提取”。它解决的问题不是让波形好看，而是让后续建模用的每一个特征都来自正确的时刻、正确的幅度、稳定的形态。这篇文章面向正在用可穿戴设备数据做算法的工程师和学生，我会把时间对齐、滤波、特征提取三条线拆开，每个环节给出可直接复现的代码和参数，再把你大概率要踩的坑提前指出来。

2. 信号对齐：多模态特征提取与时序对齐，为什么不能直接拼接

2.1 两路信号天然不同步：采样率、时钟、延迟三处不一致

常见可穿戴设备里，PPG采样率往往是25Hz、50Hz或125Hz，而ECG通道常见是125Hz、250Hz甚至更高。更麻烦的是两路信号来自两个独立ADC，片上时钟各自走，开机时间和中断延迟不一样，导致时间戳不仅存在固定偏移，还可能有缓慢漂移。如果把两路原始数据直接逐点拼在一起，后续算出来的脉搏波传导时间就是错的。做过血压估算的同学都知道，PWTT（同一心跳的ECG R波到PPG波峰的时间差）通常只有几十到一百多毫秒，一次20毫秒的时间戳错位就足以让模型完全失去意义。

所以预处理的第一步不是滤波，而是把两路信号放到同一时间轴上。这个动作做得好不好，直接决定后面特征提取是“在真实时间上计算”还是“在幻觉时间上计算”。

2.2 统一采样率：用resample_poly做抗混叠重采样

我推荐直接用scipy.signal.resample_poly，而不是用numpy.interp线性插值。原因很简单：线性插值会把PPG的重搏波切迹磨平，而resample_poly内部走多相滤波器，带抗混叠设计，波形形态保留得更好。

假设PPG原始采样率50Hz，ECG原始采样率250Hz，打算统一到125Hz：

import numpy as np from scipy.signal import resample_poly # 原始信号：一维数组，时间连续，单位是样本点 # PPG 从 50Hz 重采样到 125Hz：up=5, down=2 ppg_rs = resample_poly(ppg_raw, up=5, down=2, axis=0) # ECG 从 250Hz 重采样到 125Hz：up=1, down=2 ecg_rs = resample_poly(ecg_raw, up=1, down=2, axis=0)

这里up和down是两个整数，重采样比是up/down，需要先约分。比如50Hz到125Hz的比例是125/50 = 5/2，所以up=5，down=2。要是原始采样率比目标采样率高，比如ECG从250Hz降到125Hz，就是up=1，down=2。注意resample_poly默认会做抗混叠滤波，因此重采样后的信号带宽受限于新的奈奎斯特频率，这是好事，但代价是重采样后的PPG如果目标采样率低于80Hz，切迹信息会丢失，这一点后面避坑章还会说。

2.3 互相关校准固定延迟：时间戳对齐的最后一步

统一采样率之后，两路信号还可能有固定的物理延迟，比如PPG传感器靠光反射，存在几十毫秒的光路和器件响应延迟，这个延迟不校掉，PWTT会被系统性抬高。常见做法是用互相关找延迟量：

from scipy.signal import correlate fs = 125.0 # 统一后的采样率 seg_len = int(10 * fs) # 取10秒干净段做校准 a = ppg_rs[:seg_len] b = ecg_rs[:seg_len] # 全长互相关，找到使两者最对齐的滞后样本数 corr = correlate(b, a, mode='full') lags = np.arange(-len(a) + 1, len(b)) delay_samples = lags[np.argmax(np.abs(corr))] # 延迟为正表示PPG落后ECG，把PPG往前挪 if delay_samples > 0: ppg_aligned = np.concatenate([ppg_rs[delay_samples:], np.zeros(delay_samples)]) else: ppg_aligned = np.concatenate([np.zeros(-delay_samples), ppg_rs[:delay_samples]])

这里的逻辑是：把ECG当参考时钟，计算PPG相对它的滞后样本数，再在时间上平移补齐。参数上要注意，做互相关一定要选一段波形干净、R波和PPG波峰都明显的片段，否则互相关峰值会被运动伪影带偏。另一个细节：在校准完固定延迟后，如果信号很长，还应该分段二次校验，因为部分设备的时钟漂移不是常数，这时要分段对齐。

多模态特征提取与时序对齐的关键就在这里——对不齐时间轴，后面所有联合特征都是空中楼阁。对齐做得足够好，ECG的每个R波才能准确对应到PPG的同一个心跳周期上，时域和频域特征才谈得上可信。

3. 去噪与滤波：把数据预处理里的数据清洗落在信号层面

3.1 噪声拆解：运动伪影、基线漂移、工频干扰的三张频谱

PPG和ECG的噪声来源差异很大，不能共用一套滤波器参数。先看一张我常用的噪声频率对照表：

工频干扰和基线漂移都有明确频率区间，用带通就能处理。运动伪影最麻烦，它和PPG基波所在的0.5–6Hz频段高度重叠，单纯滤波无法根除，后文会讲怎么用信号质量评估兜底。

3.2 一条够用的滤波链：中值去基线 + 带通 + 工频陷波

我一般对不同任务给不同频段，但基础滤波链是固定的：先去基线，再过带通，最后按需陷波。用Python写就是：

import numpy as np from scipy.signal import butter, filtfilt, iirnotch def clean_ppg(x, fs, lo=0.5, hi=6.0): # 步骤1：用移动平均当高通，去掉0.5Hz以下基线漂移 win_len = int(fs) # 1秒窗口 kernel = np.ones(win_len) / win_len baseline = np.convolve(x, kernel, mode='same') x_nobase = x - baseline # 步骤2：四阶巴特沃斯带通，零相位滤波 b, a = butter(4, [lo / (fs / 2), hi / (fs / 2)], btype='bandpass') x_clean = filtfilt(b, a, x_nobase) return x_clean def clean_ecg(x, fs, lo=0.5, hi=45.0, notch_freq=50.0): # ECG主能量在0.5~45Hz，保留QRS形态 b, a = butter(2, [lo / (fs / 2), hi / (fs / 2)], btype='bandpass') x_band = filtfilt(b, a, x) # 50Hz工频陷波：Q值取30，太大会振铃 if notch_freq: bn, an = iirnotch(notch_freq, Q=30, fs=fs) x_clean = filtfilt(bn, an, x_band) return x_clean

这里有两个参数非常关键。第一，PPG带通上限取6Hz而不是10Hz或更高，因为超过6Hz的主要是高频噪声，硬要保留只会让切迹识别不稳定。如果你要保留更完整的PPG形态，上限可以放宽到8Hz，但要接受更多高频毛刺。第二，ECG如果后面只做R波检测，带通上限取45Hz足矣；如果要分析ST段，至少保留到100Hz，但那需要更高采样率。工频陷波的Q值取30是一个折中——Q太小陷波带宽太宽，会吃掉了ECG的频域能量；Q太大则时域上产生振铃，在QRS波附近制造假峰。使用filtfilt而不是lfilter的原因很简单：filtfilt是零相位滤波，不产生时间偏移，这对后面算PWTT至关重要，否则滤波本身就会引入几十毫秒的群延迟，让特征集体失真。

数据预处理里的数据清洗，落到信号上不是把噪声“清零”，而是保证噪声不干扰特征提取的决策。所以滤波参数要跟着特征走：做HRV的ECG，基线要滤干净；做AI值的PPG，切迹频段要留住。

3.3 运动伪影：滤波解决不了的部分，用信号质量兜底

运动伪影是PPG预处理里最玄学的部分。跑过可穿戴数据的人都有这种体验：一段信号里滤完波，波形看上去平了，但峰值检测还是跳出一堆假峰。因为运动伪影频谱和PPG基波重合度高，再加一级带通也没用。常见做法有两种：一是结合三轴加速度计做自适应滤波，比如LMS或NLMS，把加速度信号作为参考噪声源；二是做好信号质量评估（SQI），把污染重的片段直接丢弃或降权。

我在实际项目里偏向后一种，因为它不依赖额外传感器数据，逻辑简单可解释。一个最基础但有效的SQI是基于峰值规律性的，代码很短：

from scipy.signal import find_peaks def simple_sqi(signal, fs, min_dist_s=0.3): # 先粗峰检测，采样率125Hz时最小距离取0.3秒，对应200bpm上限 peaks, _ = find_peaks(signal, distance=int(min_dist_s * fs)) if len(peaks) < 3: return 0.0 # 相邻峰间隔的变异系数：越规律，质量越高 intervals = np.diff(peaks) / fs cv = np.std(intervals) / (np.mean(intervals) + 1e-9) sqi = max(0.0, 1.0 - cv) return sqi

这个SQI返回0到1之间的值，越接近1表示波形越规律。实战中，HRV分析要求SQI不低于0.7，低于这个值的窗直接丢弃比硬滤更安全。注意这个指标在心律不齐患者身上会误伤，因为RR间期本身就不规律，那时候要换成基于模板匹配的SQI。这一步是很多人忽略的：预处理不只是滤波，还要决定哪些数据“不配进特征提取”。

4. 特征提取：从时域、频域到形态学特征，哪些值得落地

4.1 时域特征：R波检测、RR间期与心率变异性基础指标

特征提取前先把关键事件检测做对。ECG的核心事件是R波，PPG的核心事件是主波峰。R波检测我用的是Pan-Tompkins的简化版本：差分、平方、滑动平均增强，再用find_peaks定位：

from scipy.signal import find_peaks def detect_r_peaks(ecg, fs, thr_scale=0.6): # 一阶差分突出QRS斜率 diff = np.diff(ecg) square = diff ** 2 # 120ms滑窗平滑，叠加相邻心跳的QRS能量 win = int(0.12 * fs) ma = np.convolve(square, np.ones(win) / win, mode='same') # 最小间隔0.25秒，对应最高240bpm peaks, _ = find_peaks(ma, distance=int(0.25 * fs), height=thr_scale * np.mean(ma)) # 回溯到原始ECG上找精确R波位置，窗口取±30ms refined = [] for p in peaks: lo = max(0, p - int(0.03 * fs)) hi = min(len(ecg), p + int(0.03 * fs)) refined.append(lo + int(np.argmax(np.abs(ecg[lo:hi])))) return np.array(refined)

这段代码里，滑动平均窗口取120ms是依据QRS波持续时间一般小于120ms；最小峰间隔取0.25秒，超过240bpm的心率在静息场景下不现实。height阈值用均值乘系数，好处是不用人工调绝对门限，坏处是噪声大时均值会被抬高，所以要配合前面SQI把坏窗先剔掉。R波位置拿到后，RR间期、心率、SDNN、RMSSD都是直接计算：

rr = np.diff(r_peaks) / fs hr = 60.0 / rr rmssd = np.sqrt(np.mean(np.diff(rr) ** 2)) sdnn = np.std(rr)

RMSSD反映短期迷走神经张力，对呼吸和压力敏感；SDNN反映整体变异性，需要较长窗口才稳定。只给十几秒数据时RMSSD还能用，SDNN就会很飘，这是应用边界，不是代码问题。

4.2 频域特征：RR间期插值重采样后再做频谱估计

频域特征的最大坑是RR间期不是等间隔采样，不能直接做FFT。必须先把RR序列插值到均匀时间轴上。我常用的做法是三次样条插值到4Hz，再用Welch法估计功率谱，提取LF和HF频段的能量比：

from scipy.interpolate import interp1d from scipy.signal import welch def lf_hf_ratio(rr_times, rr_vals, fs_out=4.0): # rr_times: 每个RR间期对应的时间点，单位秒 # rr_vals: RR间期长度，单位秒 interp = interp1d(rr_times, rr_vals, kind='cubic', bounds_error=False, fill_value='extrapolate') t_uniform = np.arange(rr_times[0], rr_times[-1], 1.0 / fs_out) rr_uniform = interp(t_uniform) # nperseg取60秒窗口，要求数据长度至少两三分钟 freqs, psd = welch(rr_uniform, fs=fs_out, nperseg=int(60 * fs_out)) lf = psd[(freqs >= 0.04) & (freqs < 0.15)].sum() hf = psd[(freqs >= 0.15) & (freqs < 0.40)].sum() return lf / (hf + 1e-9)

这里采样率fs_out取4Hz，是因为HRV频域能量集中在0.4Hz以下，4Hz足够。nperseg取60秒窗口，意味着少于2分钟的信号段算LF/HF没什么意义，这是频域特征固有的数据量要求。如果你拿30秒窗口硬算，频域分辨率不够，LF和HF边界会糊在一起。

4.3 形态学特征：PPG的AI值与ECG-PPG联合的PWTT

频域特征适合做状态评估，形态学特征则更直接地反映血管和血流动力学。PPG最有价值的形态学特征有两个，一个是反射波增强指数AI，一个是脉搏波传导时间PWTT。

AI的计算依赖于重搏波切迹定位。切迹是主波之后的一个凹陷点，位于两个主波峰之间：

def calc_ai(ppg, fs): # 主波峰：距离0.4秒，最小突出度取标准差10% peaks, _ = find_peaks(ppg, distance=int(0.4 * fs), prominence=0.1 * np.std(ppg)) ai_list = [] for i in range(len(peaks) - 1): seg = ppg[peaks[i]:peaks[i + 1]] # 找切迹：对段内波形取负，找局部极小值 dicrotic, _ = find_peaks(-seg, distance=int(0.1 * fs)) if len(dicrotic): # AI = 切迹幅值 / 主波幅值 ai = seg[dicrotic[-1]] / seg[0] ai_list.append(ai) return np.mean(ai_list)

AI和动脉僵硬度相关性较好，但前提是切迹清晰。年轻人血管弹性好，切迹明显；老年人或动脉硬化人群切迹变浅，就容易漏检。这种情况下要降低prominence阈值，或者改用二阶导数法找拐点，但后者对噪声更敏感。另外要强调，采样率低于100Hz时切迹经常被重采样磨掉，所以第2章统一采样率时不要贪低。

PWTT则是PPG和ECG联合特征里最有代表性的一种：同一个心拍，从ECG R波峰到PPG主波峰的时间间隔。计算它必须依赖第2章做过时间对齐的信号，否则测出来的是“设备延迟差”而不是生理量。实战中我用的是最近邻匹配，每个ECG R波向后找下一个PPG主波峰，时间差就是PWTT。PWTT与血压负相关，是不少无袖带血压估计算法的核心特征。

特征提取方法不是越复杂越好。时域特征适合短窗和实时场景，频域特征适合长窗状态分析，形态学特征适合血管功能评估。用的时候先问自己要什么解释，而不是把所有特征提一遍扔给模型。

5. 避坑指南：PPG-ECG预处理与特征提取的五个踩坑点

5.1 滤波后PWTT整体偏大几十毫秒

现象：带通滤波前后，PWTT从80毫秒变成了110多毫秒，而且每个心拍都稳定偏移。

原因：使用lfilter或sosfilt做了非零相位滤波，ECG和PPG经过滤波器后都产生了群延迟。两者的信号频率成分不同，延迟量也不同，导致相对时间差被系统性污染。

解决：统一改用filtfilt，零相位滤波不引入时间偏移。如果因为实时性要求必须用因果滤波，那就要记录该滤波器的群延迟，在特征提取时对每个事件时间戳做补偿。这一条是形态学和联合特征计算里最容易翻车的，也是最隐蔽的。

5.2 重采样到低采样率后重搏波切迹消失

现象：把50Hz的PPG直接线性插值到125Hz后，AI值算出来普遍偏高，切迹检测成功率从80%掉到30%。

原因：线性插值只能恢复两点之间的直线，切迹这种宽度只有十几到几十毫秒的细节，在50Hz采样率下本身就没采到几个点，插值后也无法创造信息。另一种情况是重采样时目标采样率太低，抗混叠滤波器直接把切迹能量滤掉了。

解决：PPG原始采样率低于100Hz时，形态学特征先别急着用。重采样优选resample_poly而非线性插值；目标采样率尽量不低于125Hz。如果原始数据只有25Hz，AI和切迹相关特征就不要做了，改用PPG峰峰间期类特征更可靠。

5.3 训练验证集划分在预处理之后，造成特征泄漏

现象：在公开数据集上做压力分类，验证集AUC达到0.95，上线后掉到0.6。重新查看代码，发现是先对整段信号做了归一化和滤波，再切训练集和测试集。

原因：全局归一化让训练集和测试集共享了统计信息，滤波后的信号边界处还带着前后窗口的信息，等价于把测试集的信息提前混进了训练过程。这在时间序列里特别常见，叫特征泄漏。

解决：先按窗口切分原始信号，再在每个窗口内独立做滤波、归一化和特征提取。跨窗口的滑动特征也要注意，只能用历史窗口的数据来计算当前窗口特征，不能用未来窗口。这一点在我做多模态特征提取时反复踩过，是数据预处理里最该养成的习惯。

5.4 ECG和PPG时间戳漂移导致联合特征不收敛

现象：HRV特征看起来与临床结果一致，但任何用到PPG和ECG联合特征的血压模型，训练损失都降不下去。

原因：HRV只在ECG单模态上计算，时间戳错位影响不大；而PWTT这类特征对两路信号的相对时间极其敏感。两路信号使用独立时钟，长时间采集中时钟漂移会让固定延迟校准失效。

解决：在校准固定延迟之后，按数据段长度分段重复互相关校验。一个粗略经验：每5分钟信号做一次延迟估计，如果延迟相对于段首变化超过一个样本，就分段对齐。不要假设设备出厂时的时间校准一直有效，实际数据里什么都会飘。

5.5 运动伪影污染被误当成真实生理信号

现象：采集走路状态时，PPG的频域特征里LF频段能量暴涨，HRV分析得出“压力极高”的错误结论，但ECG频域却完全正常。

原因：运动伪影与PPG基波频段重叠，带通滤波器根本分不开。PPG频域特征在这种情况下反映的不是自主神经活动，而是步频及其谐波。

解决：运动场景下，先把PPG的SQI算出来，SQI低于阈值的窗口直接丢弃或打上低质量标签；或者引入加速度计做自适应滤波。不要把质量差的信号硬送进特征提取器，那是拿人工特征去拟合噪声。

6. 验证与进阶：让特征提取从黑匣子变成可回退的流水线

6.1 给特征提取加一道信号质量门控

特征提取算法再先进，也顶不住输入信号本身就是噪声。我现在的做法是给每段数据先算SQI，再做门控决策：

这样做的收益是特征表里不会混入伪影制造的异常值，后续模型训练和统计分析的稳定性会明显提升。

6.2 用一致性验证代替肉眼检查

特征提完了，要回答一个问题：提得对不对。常见做法是拿你算出的心率序列和图谱设备输出的参考心率做Bland-Altman一致性分析，而不是只看一张波形图“感觉差不多”。做HRV的话，RR间期序列可以导入标准评价工具或与公开数据集里的标注做误差比对。PWTT特征同样可以拿压力传感器或袖带血压计做趋势一致性检验。特征提取不是画完图就结束，一致性验证才证明你提取的指标真正可信。

6.3 最小流水线骨架与回退能力

最后给你一个最小可运行链路，把今天讲的内容串起来：

def ppg_ecg_pipeline(ppg_raw, ecg_raw, fs_ppg, fs_ecg): # 统一到125Hz up_ppg, down_ppg = 125 // fs_ppg, 1 # 实际需化简，这里示意 ppg_rs = resample_poly(ppg_raw, up_ppg, down_ppg, axis=0) ecg_rs = resample_poly(ecg_raw, up=1, down=fs_ecg // 125, axis=0) # 互相关固定延迟校准 delay = estimate_delay(ppg_rs, ecg_rs, fs=125) ppg_rs = shift_signal(ppg_rs, delay) # 滤波与SQI门控 ppg_clean = clean_ppg(ppg_rs, fs=125) ecg_clean = clean_ecg(ecg_rs, fs=125) if simple_sqi(ppg_clean, 125) < 0.7: return None # 不做特征提取，返回缺失 # 特征提取 rpeaks = detect_r_peaks(ecg_clean, fs=125) ppg_peaks = detect_ppg_peaks(ppg_clean, fs=125) features = compute_hrv_features(rpeaks, fs=125) features['pwtt'] = compute_pwtt(rpeaks, ppg_peaks) return features

这个骨架的每一段都保留原始输入的副本和日志，调试时能回退到任意一步。这是我做信号预处理最看重的习惯：特征提取一旦出问题，你能用一条命令看出是重采样、滤波、还是对齐出了问题，而不是对着特征表瞎猜。

这几年来我最大的教训是：百分之八十的“模型不准”不是模型的问题，而是时间轴没对齐、滤波参数选错、噪声窗口没排除。特征提取与其追求复杂算法，不如先保证输入是干净且对齐的真实信号。希望帮到你。

本文还有配套的精品资源，点击获取