【心电信号】ECG心电信号QRS波群特征提取【含Matlab源码 3385期】

最新推荐文章于 2024-06-01 22:31:57 发布

Matlab武动乾坤

最新推荐文章于 2024-06-01 22:31:57 发布

阅读量355

点赞数 2

分类专栏： Matlab信号处理（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/135148925

版权

Matlab信号处理（进阶版）专栏收录该内容

466 篇文章 38 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、心电信号处理简介

1 设计原理
1.1 肌电干扰的滤除
肌电干扰由人体肌肉颤动引起，发生率具有随机性，频率范围为20-500Hz，其主要成分的频率与肌肉的类型有关，一般在30-300Hz，而心电信号的频率主要集中在5~20HZ，所以选择低通滤波器来滤除肌电干扰。
巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦，没有起伏，而在阻频带则逐渐下降为零。在振幅的对数对角频率的波得图上,从某一边界角频率开始,振幅随着角频率的增加而逐步减少,趋向负无穷大。

1.2 工频干扰的抑制
工频干由于供电网络无所不在，因此50Hz的工频干扰是最普遍的，也是心电信号的主要干扰来源。50HZ陷波器的软件设计方法多种多样，常见方法有小波变换滤波、自适应滤波、模板匹配滤波等，但都需要手工计算获得滤波器的参数，运算比较复杂。
巴特沃斯带阻滤波器又称简单整系数带阻滤波器，其原理为一个全通网络，减去一个具有相同延迟和增益的窄带线性相位FIR滤波器，得到一个具有尖锐陷波特性的陷波滤波器。阻带下限截止频率fc1 = 49 Hz，阻带上限截止频率fc2 = 51 Hz，就可以消除50 Hz 的工频干扰。

1.3 基线漂移的纠正
某些数字信号中会含有基线干扰信号（低频噪音）。因此可以使用低通滤波器首先提取出低频噪音，然后再用原始信号减去低频噪音就可以得到去除了基线漂移的心电信号。

1.4 qrs波群
Q波和S波通常是低幅高频波，一般Q波位于S波之前，S波位于R波之后，由于他们是一般向下的波，所以他们的峰值点和极值是对应的。因次在检测到R波向左和向右分别搜寻到极值点，对应的就是Q波和S波。

2 结果与分析
2.1 信号预处理
在这里插入图片描述

在这里插入图片描述

2.2 QRS波群特征提取
在这里插入图片描述

2.3 心率计算
从滤波后的时域图中检测出心电图R点的位置坐标，可以算出心电图的周期，再换算成心率即可。

2.4 血压计算
从滤波后的时域图中检测出心电图R点处的幅值，可以算出心电图归一化幅度，再进行反归一化即可换算成血压。

⛄二、部分源代码

clc;
clear;
close all;

%% 参数设置
N=1024;

fs=300;

ff=input(‘input f/Hz\n’);
Ts=1/fs;

n=0:N-1;

fp=n/N*fs;

%% 时、频波形
[FileName,PathName] = uigetfile(‘USB.dat’,‘Select the USB.dat file’);
f = fullfile(PathName,filesep,FileName);
fid = fopen(f,‘r’);
data = fscanf(fid,‘%x’);
fclose(fid);
data = data(1:2:end)*256 + data(2:2:end);
figure(1);
plot(data);
data=data-mean(data);
b=max(data);
a=min(data);
data=data/(b-a);
F=fft(data);
figure(2);
plot(abs(F));

%% 滤波后的时、频波形
fp=0.05;fc=120;As=80;Ap=1;Fs=300;
wc=2pifc/Fs; wp=2pifp/Fs;
wd=wc-wp;
beta=0.1102*(As-8.7);
N=ceil((As-7.95)/2.286/wd);
wn= kaiser(N+1,beta);
ws=(wp+wc)/2/pi;
b=fir1(N,ws,wn);
x=fftfilt(b,data);
X=fft(x);
figure(3);
plot(x);title(‘低通滤波后的信号’);
figure(4);
plot(abs(X));

%% 信噪比计算
sigPower = sum(abs(x).^2)/length(x);
sigPower1=sum(abs(data).^2)/length(data);
noiPower=sigPower1-sigPower;
SNR=10*log(sigPower/noiPower);
display(SNR);

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]张泾周,张光磊,戴冠中.自适应算法与小波变换在心电信号滤波中的应用[J].生物医学工程学杂志. 2006,(05)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合