肌电信号处理 Python 入门实战第 8 篇 数据来源：PeakAffectDS 真实公开数据集 数据集页面：https://zenodo.org/records/6403363 DOI：10.5281/zenodo.6403363 本案例使用真实采集的面部肌电信号，不使用模拟生成数据。
1. 为什么第 8 个案例要换成“面部肌电”
前 7 个案例已经覆盖了肌电处理里非常常见的几个方向：病理肌电、手部动作、疲劳趋势、训练动作、康复动作和步态分析。到了第 8 个案例，如果继续做下肢动作或者手势分类，技术上当然可以继续加深，但应用场景会比较接近，读者容易把“肌电处理”等同于“肢体动作分析”。
所以本案例刻意换了一个新的方向：面部肌电，也就是 facial EMG，常写作 fEMG。
面部肌电关注的不是手往哪里抓、腿走得快不快，而是脸部细小肌肉在情绪刺激、表情变化、人机交互过程中的微弱反应。例如：
- 颧大肌 zygomaticus：常与微笑、积极表情有关。
- 皱眉肌 corrugator：常与皱眉、负性情绪或紧张反应有关。
这和 Case1-7 的应用方向明显不同：
| Case1/2 | 病理 EMG，健康/肌病/神经病变分析 |
