我正在尝试估计ECG信号的心率变异性的PSD。为了测试我的代码,我从fantasia ECG database中提取了R-R间隔。我已经提取了信号,可以访问here。为了计算PSD,我使用的是如下所示的welch方法:
import matplotlib.pyplot as plt
import numpy as np
from scipy.signal import welch
ibi_signal = np.loadtxt('fantasia-f1y01-RR.txt')
t = np.array(ibi_signal[:, 0]) # time index in seconds
ibi = np.array(ibi_signal[:, 1]) # the IBI in seconds
# Convert the IBI in milliseconds
ibi = ibi * 1000
# Calculate the welch estimate
Fxx, Pxx = welch(ibi, fs=4.0, window='hanning', nperseg=256, noverlap=128)
接下来,计算曲线下面积以估算不同HRV频带的功率谱,如下所示
ulf = 0.003
vlf = 0.04
lf = 0.15
hf = 0.4
Fs = 250
# find the indexes corresponding to the VLF, LF, and HF bands
ulf_freq_band = (Fxx <= ulf)
vlf_freq_band = (Fxx >= ulf) & (Fxx <= vlf)
lf_freq_band = (Fxx >= vlf) & (Fxx <= lf)
hf_freq_band = (Fxx >= lf) & (Fxx <= hf)
tp_freq_band = (Fxx >= 0) & (Fxx <= hf)
# Calculate the area under the given frequency band
dy = 1.0 / Fs
ULF = np.trapz(y=abs(Pxx[ulf_freq_band]), x=None, dx=dy)
VLF = np.trapz(y=abs(Pxx[vlf_freq_band]), x=None, dx=dy)
LF = np.trapz(y=abs(Pxx[lf_freq_band]), x=None, dx=dy)
HF = np.trapz(y=abs(Pxx[hf_freq_band]), x=None, dx=dy)
TP = np.trapz(y=abs(Pxx[tp_freq_band]), x=None, dx=dy)
LF_HF = float(LF) / HF
HF_LF = float(HF) / LF
HF_NU = float(HF) / (TP - VLF)
LF_NU = float(LF) / (TP - VLF)
然后我绘制PSD并获得以下图表
起初我认为输出看起来还不错。但是,当我将我的输出与Kubios(比分析HRV的软件)进行比较时,我注意到存在差异。下图显示了Kubios计算的PSD的预期值
即,这两个图在视觉上是不同的,它们的值是不同的。为了确认这一点,打印出我的数据清楚地表明我的计算错误
ULF 0.0
VLF 13.7412277853
LF 45.3602063444
HF 147.371442221
TP 239.521363002
LF_HF 0.307795090152
HF_LF 3.2489147228
HF_NU 0.652721029154
LF_NU 0.200904328012
因此,我想知道:
有人可以建议我应该阅读的文件,以提高我对光谱分析的理解吗?
我的方法出了什么问题?
如何为welch功能选择最合适的参数?
虽然这两个图以某种方式具有相同的形状,但数据完全不同。我该如何改进呢?
有没有更好的方法来解决这个问题?我正在考虑使用Lomb-Scargle估计,但我等着至少让Welch方法起作用。