我试着使用neurokit 2的平滑先验方法来消除信号的趋势。
https://neurokit2.readthedocs.io/en/master/_modules/neurokit2/signal/signal_detrend.html
该方法基于Tarvainen等人2002年发表的研究论文“方法”（Tarvainen，M. P.，Ranta-Aho，P.O.，& Karjalainen，P.A.（2002）.一种应用于HRV分析的先进去趋势方法. IEEE生物医学工程学报，49（2），172-175）。
我也看了一下论文，实现的代码看起来还可以。所以我真的需要一些关于这个问题的帮助：

def signal_detrend_smoothness_priors(signal, regularization=500):

    N = len(signal)
    identity = np.eye(N)
    B = np.dot(np.ones((N - 2, 1)), np.array([[1, -2, 1]]))
    import scipy as sp
    D_2 = sp.sparse.dia_matrix((B.T, [0, 1, 2]), shape=(N - 2, N))
    inv = np.linalg.inv(identity + regularization**2 * D_2.T @ D_2)
    z_stat = ((identity - inv)) @ signal

    trend = np.squeeze(np.asarray(signal - z_stat))

    # detrend
    detrended = np.array(signal) - trend
    return detrended

该方法不断返回最后两个固定参数，并且信号在接近结束时逐渐减弱。
原始信号结束：1107.0，1068.25，1029.5，990.75，952.0，939.0，939.0，893.0，903.0，1004.0，1172.0，1101.0，1040.0，986.0，921.0，963.0，978.0]
通过以下方法确定的趋势结束：192.12546294、173.40315833、155.18668501、137.54799278、120.56268372、104.30992768、88.87237529、74.33606792、60.79044746、48.32841445、37.04619828、27.04344702、18.42367655、11.29498257、5.76979111、1.964643、963.、978.]）
通过以下方法消除趋势信号结束：8.32209553e+02、8.54671586e+02、9.66953802e+02、1.14495655e+03、1.08257632e+03、1.02870502e+03、9.80230209e+02、9.19035357e+02、0.000000000e +00、0.00000000e+00]）

• 另外，我还测试了一些其他代码，有时这些解决方案也会出现去趋势信号中最后两个元素的问题。-2.83746979e+01、-2.66270824e+00、1.15376970e+02、3.01091508e+02、2.47593345e+02、2.02817006e+02、***------------------------------------------------------------------------------