二、生理信号处理 ——1.心电信号(含Matlab代码及数据)

本文适合快速了解心电信号，并能够进行数据的滤波处理。

---

一. 心电数据预处理(消除工频干扰、基线漂移)

* 心电数据及rdmat函数见文章底部

1. 导入心电数据

## 心电图导入及读取
clc;
[TIME,M,Fs,siginfo]=rdmat('100m');# 通过读取函数ramat对心电图进行处理
Fs=1500;# 采样频率
plot(TIME,M);

2. 选取前1000个数据点进行后续处理

ecg = M(1:1000);
TIME = TIME(1:1000);
plot(TIME,ecg)

3. 去除心电信号中的50Hz频率干扰(国内通常为50Hz)——陷波滤波器

## Butterworth 陷波滤波器-去除工频干扰
# 设计滤波器
d = designfilt('bandstopiir','FilterOrder',2, ...
               'HalfPowerFrequency1',49,'HalfPowerFrequency2',51, ...
               'DesignMethod','butter','SampleRate',Fs);
#应用滤波器去除50Hz干扰
ecg_50 = filtfilt(d,ecg);

4. 去除心电信号中的低频信号(5Hz以下)——消除基线漂移

##bandpass滤波器-解决基线漂移
fmaxd_1=5;# 截止频率为5Hz
fmaxn_1=fmaxd_1/(Fs/2);
[B,A]=butter(1,fmaxn_1,'low');
ecg_low=filtfilt(B,A,ecg_50);# 通过5Hz低通滤波器的信号
ecg1=ecg_50-ecg_low; # 减去5Hz低频信号
plot(TIME,ecg1)
xlabel('t(s)');
ylabel('mv');
title('期望信号');

5. 添加随机噪声

* wgn函数：随机添加白噪声

##添加随机噪声信号
Noise_White = (0.1*wgn(1,length(TIME),2))'; 
plot(Noise_White)
title('噪声信号');

6. 噪声干扰后信号

##噪声干扰后信号
Mix_Signal = ecg1 + Noise_White;
plot(TIME,Mix_Signal)
xlabel('t(s)');
ylabel('mv');
title('噪声干扰后信号');

二. 滤波处理(维纳滤波)

* h为维纳滤波运行后得到的数值，运行下文中维纳滤波器设计部分可得：

一、信号处理 ——3.维纳滤波（含matlab代码)_蛮有趣的_的博客-CSDN博客

##维纳滤波
Signal_Filter = filter(h,1,Mix_Signal);# 将输入信号通过维纳滤波器
figure(1)
plot(TIME,Signal_Filter)
xlabel('t(s)');
ylabel('mv');
title('维纳滤波后信号');

三. 均方误差

* 引入噪声后信号相对原信号的统计均方误差:

mse1 = 0.0153

* 滤波后的信号相对原信号的统计均方误差:

mse2 = 0.0069

应用维纳滤波后，信号更接近于原始信号。

---

* 心电数据及rdmat函数

链接：https://download.csdn.net/download/qq_41958946/86841684

心电数据原始来源：MIT-BIH Arrhythmia Database（mitdb）