采集完成只是研究的一半——多导生理记录仪导出的原始信号里混着噪声、漂移与伪迹，从原始波形到可发表的指标，中间隔着一整套数据预处理与特征提取流程。许多初学者以为”仪器好数据就干净”，实际上规范的分析流程与采集质量同等重要。本文梳理EDA、ECG等常用信号的分析基本流程，供刚入门的研究生与工程人员参考。
第一步：数据检查与伪迹处理
拿到数据先别急着分析，先看波形。逐通道目检：信号是否有长时间平坦（电极脱落）、突跳尖峰（接触伪迹）、饱和削顶（量程设置不当）。动作伪迹集中的片段应标记剔除而非强行保留。这一步无法自动化替代——算法可以辅助标记可疑段，但最终的取舍判断必须人来作，并且要记录剔除规则与剔除比例，这是分析可重复性的底线。
第二步：滤波——保留想要的频率成分
每种生理信号的有效信息集中在特定频段，滤波就是把这个频段留下、其余压掉。常见操作：低通滤波去除高频噪声（如皮肤电信号的毛刺），高通滤波去除缓慢漂移（如呼吸基线对心电的干扰），50赫兹陷波滤除工频干扰。滤波器的选择与参数设置会影响波形形态——截止频率太激进会把真实信号一并滤掉，太保守则噪声残留。现代算法还常用小波变换等时频方法，在去除噪声的同时更好地保留信号的瞬态特征。原则是：滤波参数要写入方法学报告，可复现。
第三步：特征提取——从波形到指标
不同信号有各自的标准特征体系。皮肤电：提取基线水平（SCL）与事件相关反应（SCR）——反应峰的幅度、潜伏期、恢复时间是情绪研究的核心指标，刺激锁时的分段提取需要刺激标记与生理数据的精确对齐。心电：检测R波峰位置，计算心率与心率变异性（HRV）的时域、频域指标。呼吸：提取呼吸频率与幅度变异。肌电：关注特定肌群的激活强度与时序。特征提取应尽量使用有文献依据的标准算法，自造指标需要充分的信效度论证。
第四步：统计与报告规范
生理数据的个体差异大，组间比较常需个体内标准化；多次测量、多指标并行的研究要控制多重比较带来的假阳性风险。报告中应完整交代：设备型号与采样参数、滤波方案、伪迹剔除规则、特征定义与提取算法——这些信息缺一项，研究的可重复性就打了折扣。
工具生态
主流分析路径有三类：设备配套软件（上手快，但算法透明度与自定义空间有限）、通用科学计算平台（MATLAB、Python生态中有丰富的生理信号处理工具箱，灵活但需要编程能力）、专业生理信号分析软件（针对特定信号优化）。团队可按技术能力组合使用，但无论如何，原始数据的完整导出是一切的前提——这也是选购设备时反复强调数据开放性的原因。
结语
生理信号分析的黄金法则是：垃圾进、垃圾出，但好数据也会被坏流程毁掉。采集端守住质量（清洁的电极、合适的激励方式、稳定的基线），分析端守住规范（可复现的流程、透明的报告），两端的功夫都到了，数据才能真正回答研究问题。