心电信号的小波变换

一、理论基础

近似系数

可以帮助突出心率的基本模式和趋势，而忽略短期波动如QRS复合波等

反映信号的低频部分

在分析心率变异性、长期节律变化或进行信号去噪和压缩时特别有用

细节系数

QRS复合波、T波和P波等，都在高频部分。细节系数允许我们精确地定位这些特征的位置，分析它们的形状和持续时间，这对于自动诊断心律不齐、心肌梗死等心脏病状非常有帮助

反映信号的高频部分

每一级的细节系数都可以提供不同尺度上的信息，有助于揭示信号中的复杂模式和变化

选择的小波基函数db4（Daubechies小波家族中的第四个成员）

Daubechies小波是一种常用的小波基，非常适合于处理具有尖锐特征的信号，如心电图（ECG）信号，因为它们可以很好地捕捉这些信号中的突变点和边缘信息。

随着序号的增加，小波函数变得更加平滑和复杂。

db4提供了一种平衡，既能够有效地捕捉信号中的细节，又保持了较好的平滑性，被广泛用于各种信号处理应用中，包括心电图分析。

二、程序

% 步骤 1: 读取心电信号

filename = 'E:\《医学数字信号处理实验教程-基于MATLAB》-资料包-20200621(1)\ecg_signal.txt';

ecg_signal = load(filename);



% 步骤 2: 执行小波变换

% 选择小波基和分解的级数

waveletFunction = 'db4'; % 使用Daubechies小波

level = 5; % 分解级数

[C, L] = wavedec(ecg_signal, level, waveletFunction);



% 从小波分解的结果中提取近似系数和细节系数

approx = appcoef(C, L, waveletFunction);

for i = 1:level

detail{i} = detcoef(C, L, i);

end



% 步骤 3: 可视化结果

% 可视化近似系数

figure;

subplot(level+1, 1, 1);

plot(approx);

title('Approximation Coefficients');



% 可视化每级的细节系数

for i = 1:level

subplot(level+1, 1, i+1);

plot(detail{i});

title(['Detail Coefficients Level ', num2str(i)]);

end

去除基线漂移

% 步骤 1: 读取心电信号

filename ='E:\《医学数字信号处理实验教程-基于MATLAB》-资料包-20200621(1)\ecg_signal.txt';

ecg_signal = load(filename);

% 确保ecg_signal是一个列向量

if size(ecg_signal, 2) > size(ecg_signal, 1)

ecg_signal = ecg_signal';

end

% 步骤 2: 执行小波变换并去除基线漂移

% 选择小波基和分解的级数

waveletFunction = 'db4'; % 使用Daubechies小波

level = 5; % 分解级数

[C, L] = wavedec(ecg_signal, level, waveletFunction);

% 去除基线漂移：将最低频率的近似系数设置为0

C(1:L(1)) = zeros(1, L(1)); % 假设基线漂移主要在最低频率的近似系数中

% 使用修改后的系数重构信号

ecg_denoised = waverec(C, L, waveletFunction);

% 步骤 3: 可视化原始信号和处理后的信号

figure;

subplot(2, 1, 1);

plot(ecg_signal);

title('原始ECG信号');

xlabel('Sample');

ylabel('Amplitude');

subplot(2, 1, 2);

plot(ecg_denoised);

title('去除基线漂移后的ECG信号');

xlabel('Sample');

ylabel('Amplitude');

% 步骤 1: 读取心电信号

filename = 'E:\《医学数字信号处理实验教程-基于MATLAB》-资料包-20200621(1)\ecg_signal.txt';

ecg_signal = load(filename);



% 步骤 2: 执行小波变换并去除基线漂移

waveletFunction = 'db4'; % 使用Daubechies小波

level = 5; % 分解级数

[C, L] = wavedec(ecg_signal, level, waveletFunction);



% 步骤 3: 显示小波分解结果

% 获取并显示近似系数

approx = appcoef(C, L, waveletFunction, level);

figure;

subplot(level+2, 1, 1); % 加1为原信号，加1为近似系数

plot(approx);

title('近似系数 Level 5');



% 获取并显示每级的细节系数

for i = 1:level

details = detcoef(C, L, i);

subplot(level+2, 1, i+1);

plot(details);

title(['细节系数 Level ', num2str(i)]);

end



% 显示原始信号和处理后的信号

% 由于基线漂移的去除，我们需要重建信号但排除最低级别的近似系数

C(1:L(1)) = zeros(1, L(1)); % 移除基线漂移

ecg_denoised = waverec(C, L, waveletFunction);



subplot(level+2, 1, level+2);

plot(ecg_signal);

hold on;

plot(ecg_denoised, 'r');

legend('原始', '去基线漂移');

title('原始和去除基线漂移后的ECG信号');

xlabel('Sample');

ylabel('Amplitude');

三、心电信号的特征值：

1.  P波
   描述：代表心房的去极化（激活）。
   临床意义：P波的形状、持续时间和幅度可以揭示心房相关的问题，如心房颤动、心房扑动或心房肥大。
   2. QRS复合波
   描述：代表心室的快速去极化。
   临床意义：QRS复合波的宽度、形状和幅度对于识别心室肥大、束支传导阻滞或心肌梗死等情况非常重要。
   3. T波
   描述：代表心室的复极化。
   临床意义：T波的倒置、增高或降低可以是缺血、电解质失衡或其他心脏病状的指标。
   4. U波
   描述：在某些情况下，在T波之后可以观察到一个小波，被称为U波，其起源仍然有些不确定。
   临床意义：U波的显著性可能与电解质失衡、药物影响或心脏病变相关。
   5. PR间期
   描述：从P波起始到QRS复合波起始的时间间隔。
   临床意义：PR间期的延长可能表明房室传导延迟，这是一种名为一度房室传导阻滞的病状。
   6. QT间期
   描述：从QRS复合波起始到T波结束的时间间隔。
   临床意义：QT间期的延长或缩短可以是一些药物的副作用，也可能表明心脏病变，如长QT综合症。
   7. ST段
   描述：从QRS复合波结束到T波开始的部分。
   临床意义：ST段的抬高或下降是心肌缺血或心肌梗死的重要指标。
   8. 心率
   描述：每分钟的心跳次数。
   临床意义：心率过快（心动过速）或过慢（心动过缓）都可能指示心脏功能异常。
   9. R-R间期
   描述：连续两个R波的峰值之间的时间间隔。
   临床意义：R-R间期的变异性（HRV，心率变异性）是心脏健康状况和自主神经系统功能的一个重要指标。

四、疾病对应：

1. P波异常
心房颤动：P波消失，被快速且不规则的波动替代。
心房扑动：出现规则的“锯齿形”P波。
心房肥大：P波幅度增高（右心房肥大）或P波宽度增加（左心房肥大）。
2. QRS复合波异常
心室肥大：QRS复合波幅度增加。
束支传导阻滞：QRS复合波宽度增宽（>0.12秒）。
心肌梗死：出现病理性Q波（宽度>0.04秒，深度>1/4R波）。
3. T波异常
心肌缺血：T波倒置或变平。
急性心肌梗死：T波高耸。
电解质失衡（如高钾血症）：T波高耸。
4. QT间期异常
长QT综合症：QT间期延长，增加心脏停搏的风险。
短QT综合症：QT间期缩短，也可能导致心律失常。
5. ST段异常
心肌缺血：ST段下降。
急性心肌梗死：ST段抬高。
心包膜炎：ST段在所有导联中均匀抬高。
6. PR间期异常
一度房室传导阻滞：PR间期延长（>0.20秒）。
二度房室传导阻滞：PR间期逐渐延长直到一个QRS复合波掉落。
7. 心率异常
心动过速：心率异常增快（>100次/分钟），可能因焦虑、发热、心脏疾病等。
心动过缓：心率异常减慢（<60次/分钟），可能见于训练有素的运动员或者某些心脏病状如窦性心动过缓。
8. 心率变异性（HRV）异常
自主神经系统功能异常：HRV降低可能反映自主神经系统平衡失调，与多种疾病如糖尿病、抑郁症、心血管疾病等相关。