第 3 层 · 通道清理层 · 第 9 步 / 共 25 步

步骤 09:工频陷波

50/60 Hz 工频陷波,去除电力线干扰

🕐 12 分钟🎯 难度:进阶🔗 核心 API:raw.notch_filter⬅️ 前置:步骤 8

1. 目标

消除电力线干扰（50 Hz 中国/欧洲；60 Hz 北美）及其低次谐波（100/150 Hz 或 120/180 Hz）。不替代带通——它是带通的"补丁"。

2. 何时使用 / 何时跳过

应当使用：所有室内采集的 EEG 数据（中国必加 50 Hz + 100 Hz + 150 Hz）
可跳过：电池供电 + 已屏蔽良好的设备 + 在电源滤波良好的实验环境

3. 前置条件

已执行步骤 08：带通滤波已完成

4. 核心代码

Python

import mne

# ====== 方式 A：单频率陷波（中国 50 Hz） ======
raw.notch_filter(
    freqs=50.0,
    picks=['eeg', 'eog', 'ecg'],
    method='fir',
    phase='zero',
)

# ====== 方式 B：基础频率 + 谐波（中国） ======
raw.notch_filter(
    freqs=[50, 100, 150],
    picks=['eeg', 'eog', 'ecg'],
    method='fir',
)

# ====== 方式 C：北美 ======
raw.notch_filter(freqs=[60, 120, 180])

# ====== 方式 D：使用窄带 IIR 陷波（更锐利） ======
raw.notch_filter(
    freqs=50,
    method='iir',
    iir_params=dict(order=4, ftype='butter'),
)

# ====== 方式 E：自动化检测（慎用） ======
# MNE 无自动检测接口，推荐手动设值

5. 参数详解

raw.notch_filter(freqs, picks=None, ..., notch_widths=None, method='fir', iir_params=None, mt_bandwidth=None, p_value=0.05, phase='zero', ...)

参数	含义	推荐值
`freqs`	要陷波的频率（Hz）	中国 `[50]` 或 `[50, 100, 150]`；北美 `[60]` 或 `[60, 120, 180]`
`method`	滤波算法	`'fir'`（默认）；`'iir'`；`'spectrum_fit'`（现代推荐）
`phase`	相位特性	`'zero'`（默认，零相位）
`picks`	参与滤波的通道	`['eeg', 'eog', 'ecg']`（务必包含 EOG/ECG！）
`notch_widths`	陷波宽度	FIR / spectrum_fit 法的参数（`method='iir'` 时由 `iir_params` 控制带宽）
`iir_params`	IIR 算法参数	仅 `method='iir'` 时使用

⚠️ notch_widths 是 FIR 和 spectrum_fit 法的参数；IIR 法的带宽控制由 iir_params 决定（如 dict(order=4, ftype='butter')）。本教材原稿描述反向，已修正。

⚠️ 务必对 EOG/ECG 也施加 notch：它们的工频成分如果不消，会通过步骤 13 的平均参考回流到 EEG。

6. 验证方法

Python

# 验证 1：PSD 检查（50 Hz 处应明显塌陷）
psd = raw.compute_psd(fmax=200, picks='eeg')
freqs = psd.freqs
idx_50 = np.argmin(np.abs(freqs - 50))
idx_49 = np.argmin(np.abs(freqs - 49))
idx_51 = np.argmin(np.abs(freqs - 51))
psd_data = psd.get_data()
print(f"50 Hz 功率 (idx={idx_50}): {psd_data[:, idx_50].mean():.2e}")
print(f"49 Hz 功率 (idx={idx_49}): {psd_data[:, idx_49].mean():.2e}")
# 期望：50 Hz 功率 << 49 Hz 功率（差 1-3 个数量级）

# 验证 2：可视化
psd.plot()
# 期望：50 Hz 处有明显的"V"形凹槽

# 验证 3：时域
raw.plot(duration=2, scalings=dict(eeg=20e-6))
# 期望：50 Hz 周期性"嘶嘶"声消失

7. 常见错误

错误	原因	解决方案
没对 EOG/ECG 滤波	只对 EEG 滤波 → 50 Hz 通过平均参考回流	显式加 `picks=['eeg', 'eog', 'ecg']`
滤波后信号出现 ringing	IIR 阶数过高	改用 `method='fir'`，或降阶
误除目标 ERP 成分	陷波频率刚好等于 ERP 主频（罕见）	检查 ERP 关键成分频谱，确认无重叠
谐波没去干净	只陷波 50 Hz，但 100 Hz 仍存在	加 `[50, 100, 150]`
设备已用硬件陷波，再次 notch 引入伪迹	重复滤波	检查设备文档，跳过本步骤

8. 官方来源

资源类型	链接
`raw.notch_filter`	https://mne.tools/stable/generated/mne.io.Raw.html#mne.io.Raw.notch_filter
滤波教程	https://mne.tools/stable/auto_tutorials/preprocessing/30_filtering_resampling.html

9. 学术引用

American Clinical Neurophysiology Society. (2008). Guideline 1: Minimum technical standards for EEG recording. Journal of Clinical Neurophysiology, 25(2), 71-82.