FIR 低通滤波在心电图ECG中的应用

1.算法介绍

FIR 滤波算法的基本思路是设计一个窗函数，使得当前的输出y通过最近N个输入数据(x(0),x(-1),x(-2)...x(-n))计算得出，不同时刻占的权重都不一样，即FIR 滤波器的输入输出关系为：

其中，y(0)为当前时刻的输出，x(-n)为过去n时刻的输入，hz(n)为过去n时刻的权重。

也就是说，当前的输出不仅与当前的输入有关，还与历史输入有关，具体与多少历史输入有关，取决于窗n设置的大小，一般来说，窗设置越大，滤波效果越好，但同时也导致计算量增大，所以需要在运算量和滤波效果之间找到平衡点。

从FIR 滤波器的的输入输出关系可以看出，要实现FIR滤波器，其中最核心的一步就是设计hz(n)的值，即滤波参数。

2.算法参数设计

FIR 滤波器的参数设计，主要借助于 Matlab实现，这里我们以一个例子来讲述，输入为ECG心电图，采样率为250Hz,任务是将ECG数字信号的大于40Hz以上的频率滤掉，要求尽可能把大于40Hz的频率去掉、小于40Hz的信号幅度衰减做到最小（幅度响应可量化，这里为了简单不进行量化），同时信号不能出现失真，设计如下：

使用Matlab的fdatool工具，设计一个低通滤波器，设计参数如下：

图1 参数设计

经过反复测试，可以看出当使用least squares，窗长度设置为63时，可以得到比较好的幅度响应，即能很好的滤除不要的信号，又能很好的保留有用的信号。

接下来再看另外一个要求，也就是信号不能出现失真，也是数字滤波算法里面经常遇到的相位响应。我们知道，任意系统的信号都可以分解成多个正弦波叠加，为了使得输出信号不产生相位失真，保证所有这些正弦信号通过系统的时间是一样的即可，这个特性通过数学推导是成立的，这里就不展开描述，另外我们从Matlab里面的相位响应可以直接得出这个特性是成立的，算法的相位延迟响应如下：

图2 phase Delay

3.算法验证

将上一章节设计的算法，导出Matlab文件，编写Matlab程序，进行验证。

1.导入原始信号，这里直接导入人体实际的心电图数据

%0.导入原始数据
orig_x = load('D:\Documents\MATLAB\ecg_test.txt');
figure(1);
subplot(4,1,1);
plot(orig_x);
title('原始信号');

2.生成噪声信号，这里直接生成60Hz的正弦波。

%1.生成噪声信号
fs = 60;   %频率
N = length(orig_x); %采样点数
dt = 1/250;    %采样间隔
n = dt:dt:N*dt; 
noise = 80*sin(2*pi*fs*n); 
subplot(4,1,2);
plot(noise);
title('噪声信号');

3.将原始心电图，叠加上生成的噪声信号

%2.信号叠加
orig_x_add_noise = orig_x + noise;
subplot(4,1,3);
plot(orig_x_add_noise);
title('叠加后的信号');

4.利用第2章生成的低通滤波算法，对叠加后的信号进行滤波

%3.低通滤波处理
ld = fir_lp_boke;
lp_output = filter(ld,orig_x_add_noise);
subplot(4,1,4);
plot(lp_output);
title('低通滤波后的信号');

运行结果如下图所示：

图3 运行结果
​​​

可以看出，在原始信号叠加了一个比较大的高频噪声后，经过FIR低通滤波器，噪声很好的被滤除掉了，原始信号也失真度很小。

4.结论

本文章主要对FIR 滤波器做了一个比较感性的介绍，最后通过实验进行验证，但没有对信号的幅度响应，相位响应等做比较严谨的数学推导，后续有时间补上。