轻量级生理信号处理工具BioSPPy中的ECG（1）

1 前言

很久没有写博客了，之前也想过要放弃。不过想来当个业余爱好也好啊，也当是知识的巩固和积累。
废话少说，下面介绍这次的主角——Biosppy工具包。

2 简介

接下来的这段主要是对官方英文文档的翻译和整理，关于官方英文文档具体可访问：https://biosppy.readthedocs.io/en/stable/index.html

2.1 概况

BioSPPy是基于Python的生理信号处理工具包，该工具包汇总了多种面向生理信号分析的信号处理和模式识别方法。主要亮点如下：

• 对多种生理信号的支持：BVP，ECG，EDA，EEG，EMG，呼吸信号（Respiration）
• 信号分析基本方法：滤波，频域分析
• 聚类
• 生理识别

2.2 结构

在结构上，BioSPPy 包含两个部分：

• 一个子包biosppy.signals，包含了上述几种生理信号的针对性的处理方法包。例如，biosppy.signals.ecg中包含的是用于ECG处理的方法，而biosppy.signals.eeg中包含的是用于EEG处理的方法，如下表所示：

	用途
biosppy.signals.bvp	Blood Volume Pulse (BVP) 血容量脉冲信号 处理
biosppy.signals.ecg	electrocardiogram(ECG) 心电信号 处理
biosppy.signals.eda	Electrodermal Activity (EDA) 皮肤电活动信号 处理
biosppy.signals.eeg	Electroencephalographic(EEG) 脑电信号 处理
biosppy.signals.emg	Electromyographic (EMG) 肌电信号 处理
biosppy.signals.resp	Respiration (Resp) 呼吸信号 处理
biosppy.signals.tools	提供多种信号时频域分析方法

• 七个模块，biosppy.*，个人认为是一些比较通用的API接口，根据用途不同进行了归类汇总。例如，用于聚类的汇总在了biosppy.clustering,用于绘图的汇总在了biosppy.plotting，如下表所示：

	用途
biosppy.biometrics	生理识别-身份认证 分类器接口
biosppy.clustering	无监督机器学习（聚类）算法
biosppy.metrics	各种距离的计算（例如L2距离）
biosppy.plotting	绘图方法（例如时频域波形绘制）
biosppy.storage	指定格式数据存储
biosppy.timing	测量运算时间
biosppy.utils	常用的辅助函数

英文文档可访问：https://biosppy.readthedocs.io/en/stable/biosppy.html
总体来说是一个构成很简单的工具包，也很轻量化，可以满足生理信号处理中的一些比较基本的需求，使得这些基础操作黑盒化，标准化，能帮助人们把精力集中在那些更有挑战的研究上，而不必关心一些基础操作的实现。从这个角度来说，尽管很简单甚至简陋，但BioSPPy确实有其存在的意义。
（上述翻译和汇总是根据我个人理解得出的，有不准确的地方还请指出~）

3 安装

使用pip安装：

pip install biosppy

只要你的Python环境没问题，应该没什么坑。多说一句，最好基于Anaconda来管理各种Python包，可以避免掉很多坑，这里就不多说了，Anaconda教程一搜一大把。

4 说明

从简介中也看出来了，BiosPPy工具包包含了多种生理信号的处理方法。由于各种生理信号产生的机理不同，应用目标也不同，所以处理方法差异很大。由于本人仅对其中的ECG，也就是心电信号有相对深入的研究，而对其他信号没有太多了解，因此这里不会班门弄斧，而是仅对其中与ECG相关的内容进行一些介绍和示例，即以上述的biosppy.signals.ecg为主，希望能够给感兴趣的同学一点帮助。下一节正式开始。