解决Python包络提取结果噪声大或不平滑的问题

在Python中提取振动、声学、通信或生物电信号的包络时，许多初学者经常会遇到包络线剧烈跳变、充斥高频毛刺、局部向下深陷或无法贴合波峰轮廓的问题。这通常并不是代码编写错误，而是算法前提假设与实际数据特性不符所致：例如基于希尔伯特变换的方法要求信号满足窄带假设，当带外高频噪声介入时，解析信号的模值会产生剧烈相位高频振荡；而基于极大值检测与三次样条插值的方法，则极易将局部微小毛刺误识别为真实波峰，并在样条计算中诱发龙格现象般的过冲。要彻底解决包络毛刺与粗糙不平的问题，标准解法是由“前置滤波去噪、稳健特征提取、后置平滑滤波、保凸插值约束”构成的组合治理流程。

图1：包络提取在不同算法下的失真与噪声产生机理

一、希尔伯特变换包络的后置平滑技术

在利用 scipy.signal.hilbert 计算解析信号时，直接使用 np.abs(hilbert(x)) 获取的瞬时幅值经常存在毛刺。只要原始信号中存在与基频距离较远的噪声分量，解析模值就会随噪声瞬时起伏。针对这种情形，最有效的处理方式是在解析信号幅值生成后，采用零相位数字滤波或Savitzky-Golay多项式平滑滤波。

Savitzky-Golay滤波（scipy.signal.savgol_filter）的核心优势在于：它在滑动窗口内拟合低阶多项式，不仅能有效滤除高频随机波动，还能完整保留波峰波谷的尖锐程度与幅值峰值，不会像简单滑动平均那样使峰值严重矮化。

import numpy as np
from scipy.signal import hilbert, savgol_filter, butter, filtfilt

def smooth_hilbert_envelope(signal, fs, window_length=51, polyorder=3):
    """
    通过希尔伯特变换获取包络，并使用Savitzky-Golay滤波器进行后置平滑
    :param signal: 1D 输入离散时域信号 (numpy array)
    :param fs: 采样频率 (Hz)
    :param window_length: 平滑窗口点数（必须为正奇数）
    :param polyorder: 拟合多项式阶数（小于window_length）
    :return: 平滑后的包络线
    """
    # 1. 计算解析信号
    analytic_signal = hilbert(signal)
    
    # 2. 提取瞬时幅值（原始粗糙包络）
    raw_envelope = np.abs(analytic_signal)
    
    # 3. 校验窗口参数并执行多项式平滑
    if window_length % 2 == 0:
        window_length += 1
    smooth_env = savgol_filter(raw_envelope, window_length=window_length, polyorder=polyorder)
    
    # 避免滤波边缘可能产生的微小下溢负值
    smooth_env = np.maximum(smooth_env, 0)
    return smooth_env

图2：消除包络提取噪声与毛刺的标准全流程步骤

二、峰值检测法中的阈值约束与 PCHIP 插值

另一种提取包络的常用方式是先用 scipy.signal.find_peaks 搜索信号的局部极大值，再通过样条插值连接各极大值点。但当信号存在噪声时，很多微小噪点都会形成局部极值，导致插值点过于密集且高度忽高忽低。如果此时直接套用默认的 scipy.interpolate.CubicSpline，往往会引发剧烈的数值过冲，使包络线在相邻峰值之间向下深陷或向上暴突。

要解决峰值插值中的不平滑与振荡问题，关键在于两步控制：

1. 设置峰值筛选约束： 在调用 find_peaks 时，必须明确传入 distance（两峰之间的最小采样间隔）和 prominence（峰的相对突起高度），彻底滤除噪声引发的伪峰。
2. 采用保凸单调插值： 使用 scipy.interpolate.pchip_interpolate（分段三次 Hermite 保形插值）代替普通三次样条。PCHIP 能严格保持数据的单调性与凸性，从数学上杜绝过冲震荡。

import numpy as np
from scipy.signal import find_peaks
from scipy.interpolate import pchip_interpolate

def robust_peak_envelope(signal, fs, min_distance_ms=10.0, prominence_ratio=0.1):
    """
    通过抗噪极值寻优与 PCHIP 保凸插值提取平滑上包络
    :param signal: 1D 输入离散信号
    :param fs: 采样频率 (Hz)
    :param min_distance_ms: 相邻峰值的最小物理时间间隔 (ms)
    :param prominence_ratio: 最小相对显著度（按信号幅值跨度的比例计算）
    :return: 具有保凸特性且无毛刺的上包络线
    """
    n_samples = len(signal)
    time_indices = np.arange(n_samples)
    
    # 1. 计算筛选参数
    min_distance_samples = int((min_distance_ms / 1000.0) * fs)
    min_distance_samples = max(min_distance_samples, 1)
    
    signal_span = np.ptp(signal)  # 信号峰峰值跨度
    min_prominence = signal_span * prominence_ratio
    
    # 2. 带有阈值约束的极大值检测
    peaks, _ = find_peaks(
        signal,
        distance=min_distance_samples,
        prominence=min_prominence
    )
    
    # 若有效峰点极少（低于2个），退化为常数或全幅值
    if len(peaks) < 2:
        return np.full_like(signal, np.max(signal))
    
    # 3. 补充两端端点，防止插值在边缘出现断崖式衰减
    peak_x = np.concatenate(([0], peaks, [n_samples - 1]))
    peak_y = np.concatenate(([signal[0]], signal[peaks], [signal[-1]]))
    
    # 确保端点高度合理贴合邻近峰
    peak_y[0] = max(peak_y[0], signal[peaks[0]])
    peak_y[-1] = max(peak_y[-1], signal[peaks[-1]])
    
    # 4. 使用 PCHIP 保凸分段插值消除样条振荡
    envelope = pchip_interpolate(peak_x, peak_y, time_indices)
    return envelope

图3：传统三次样条插值与 PCHIP 插值在噪声环境下的表现对比

三、两种主流方案的关键差异与应用场景对比

在工程实践中，希尔伯特变换结合低通滤波，与极值检测结合 PCHIP 插值是两种最典型的平滑包络提取技术。它们在处理噪声时的物理逻辑与限制条件存在显著差异：

四、常见问题排查与避坑要点

在调试 Python 包络平滑代码时，若结果仍然存在异常，可按照以下三项关键问题进行针对性核对：

1. 为什么滤波后包络与原始波形在时间轴上出现了错位？

这是因为使用了普通的单向因果滤波器（如 scipy.signal.lfilter），该类滤波器带有频率相关的相位延迟。对于包络平滑，必须使用 scipy.signal.filtfilt 进行前向与反向双向滤波。双向滤波的系统传递函数相位响应严格为零，能保证平滑后的包络峰值点与原始信号波峰在时域完全重合。

2. 信号两端（边界处）包络飞扬或骤降该如何处理？

希尔伯特变换本质基于 FFT 实现，隐含周期延拓假设，当信号两端非零或导数不连续时，会产生吉布斯效应（Gibbs phenomenon）；而在插值法中，两端若没有波峰支撑，插值曲线也会向外发散。解决策略是：在提取前对信号边缘施加小比例的 Tukey 窗平滑过渡，或者在提取后对两端若干采样点进行线性镜像或常数边界填充。

3. 极低频漂移与基线不平是否会影响包络？

会的。如果信号存在直流偏置（DC Offset）或低频基线漂移，希尔伯特变换提取出的包络会叠加该漂移分量，导致包络上下不对称甚至变形。在执行包络提取前，应当先执行去均值处理（signal = signal - np.mean(signal)）或高通滤波消除基线漂移。

图4：包络平滑技术路线与选型排查图解

通过合理结合前置滤波去除带外高频扰动，并在提取过程中针对算法特性采取后置 Savitzky-Golay 滤波或 PCHIP 保凸约束，能够有效解决绝大多数工程信号在 Python 中包络提取噪声大、振荡不平滑的痛点，兼顾轮廓贴合度与计算效率。