波形在屏幕上跳动，象一条不安分的蛇。左侧的噪声峰值几乎和有效信号等高，采集到的神经电信号被淹没在环境干扰里，译码算法无从下手。
已经连续工作七十二小时了。
联合实验室成立三周，第一个课题的进展远比预期艰难。NX-30芯片的1024个信道同时工作，采集能力强，但数据量大不等于数据质量高。神经信号天然微弱，脑电波的电压在微伏级别，而实验室的电磁干扰动辄达到毫伏量级。
沉一鸣试过带通滤波、独立成分分析、小波去噪，效果都一般。噪声降了一些，有效信号也跟着损失。信噪比改善幅度卡在百分之三十，再往上推不动了。
左城是早上七点来到实验室的。他推开门，看到沉一鸣坐在工位上，桌上摆着三个空咖啡杯。
你昨晚没回去？
沉一鸣说，回去了，凌晨两点，四点又来了。左城，这个噪声的问题比我想象的难。你过来看一下。
左城拉了把椅子坐下，看了几分钟波形。
问题在哪儿？
沉一鸣说，信号源是神经电信号，带宽在三百赫兹到三千赫兹之间。但实验室的工频干扰在五十赫兹，肌电干扰在三百到五百赫兹，这段频率和有效信号的低频部分重叠。用硬件滤波不够精细，用软件滤波损失信号。
左城没有立刻说话。他想起了一件事。
去年天穹卫星的数据回传项目里，有一个类似的问题。卫星到地面的通信链路受到电离层信号扰动，频段和有效数据部分重叠，不能简单滤除，得用自适应算法实时估计扰动特征，再从信号里减去。左城当时用系统集成过一个改进版本。
他打开系统面板，在心里操作。
面板上当前积分显示667分。他在商业航天枝干和AI枝干之间调出跨枝干融合选项，找到卫星通信信号处理模块里的自适应噪声抑制算法，把它和神经信号特征进行匹配分析。
系统提示：融合可行，消耗5积分，生成神经信号自适应噪声抑制算法，
左城确认。积分从667降到662。
他关掉面板，对沉一鸣说，我有个思路。卫星通信里有一套处理方法，不是直接滤掉某个频段，而是实时创建一个干扰模型，每隔几毫秒更新一次，把估计到的干扰成分从原始信号里减去。这样可以在不损失有效信号的前提下压制噪声。
沉一鸣皱了皱眉，说，这个思路我知道，叫自适应干扰抵消。问题是神经信号里的干扰来源太多，肌电、工频、设备本身的电子噪声，参数差异很大，实时建模的计算量能不能撑住？
左城说，用低阶自回归模型来估计干扰，参数少，更新快。再加一个基于信号统计特性的置信度加权，让算法自动判断哪些成分是干扰，哪些是有效信号。具体的实现我写一个框架，你在上面调参。
沉一鸣说，这要多久？
左城说，框架今天给你。
他坐到空闲的工作站前，打开编辑器，开始写代码。脑子里那些算法细节清淅得象是刚刚复习过，每一行落地都准确。
一个多小时后，他把框架的内核模块发给了沉一鸣。
沉一鸣看着代码，说，你这个置信度加权的部分，用的是滑动窗口的方差估计，窗口长度怎么定？
左城说，先试二十毫秒，映射六百个采样点，基本能复盖一个完整的神经电位波形。你跑起来看效果，不行再调。
沉一鸣把框架接入测试数据，运行。
显示屏上的波形开始变化。锯齿状的噪声峰值逐渐压下去，有效的神经电位波形慢慢浮现出来，那些尖锐的动作电位信号变得清淅可辨。
信噪比的数值开始跳动，从之前的十一分贝往上爬，越过了二十分贝，最后稳定在了二十三点七分贝。
沉一鸣盯着这个数字，沉默了几秒，说，提升了百分之六十多。
左城说，达到医疗级信号质量的标准了吗？
沉一鸣查了一下参数表，说，达到了。医疗级的门坎是二十分贝，我们现在是二十三点七，还有馀量。
左城说，好。把这个算法整理成模块，写进联合实验室的技术文档。
这时唐宁从实验室另一侧走过来，她手里拿着一叠打印好的标注数据，步子很快。她看了一眼显示屏上的波形，说，信噪比上来了？
沉一鸣说，提升了百分之六十三，已经到医疗级了。
唐宁说，这么快？她看了左城一眼，说，是左总的方案？
左城说，沉一鸣调的参，功劳算他的。
唐宁把数据放到沉一鸣桌上，说，我把第一批标注数据整理好了，三百个运动想象片段，每个都标注了映射的动作类型