失眠网 > 心电信号的特征提取分析与处理

心电信号的特征提取分析与处理

时间：2020-02-04 21:19:54

相关推荐

心电信号的特征提取分析与处理

心电信号的特征提取、分析与处理*

数据来源：MIT-BIH数据库（可从以下数据中任选两组进行实验）

给出4组不同病例的心电信号数据，分别命名为“100-2-3”，“105-2-3”，“109-2-3”，“111-2-3”，每组数据以“.mat”形式存储。（在文章最后面附带四组数据库的压缩包）

每组数据长度N=2048，采样率fs=360Hz(硬件采集心电信号时，每秒采集360个点。注意设计FIR,IIR时可能用到该采样率。). 即2048点对应时间约为5.69s（）

##内容

（1）谱分析：取两段心电信号数据（不同病例），对该数据进行频谱分析（幅度谱、相位谱、功率谱）；

（2）相关分析：分别计算两段心电信号的均值、方差、自相关函数与互相关函数；分析两段信号的相干函数曲线

对于相关函数进行循环相关函数与线性相关函数的对比；

（3）数字滤波器设计：

取一段心电信号，添加白噪声。分别作出原始信号、加噪信号的图；作出原始信号、加噪信号的自相关曲线，分析估计心电信号的准周期；取一段心电信号，添加高频噪声（1k-2khz），如高频正弦信号，频率自己选择。结合（1）中得出的结论，即ECG的主要能量分布结果，设计数字滤波器（IIR或FIR），去除高频噪声。（也可直接设计数字滤波器去除基线漂移）要求：对滤波器的截止频率的设置要给出说明；

（4）维纳滤波器去除工频干扰：

取一段心电信号，添加频率为50Hz的高斯白噪声（工频干扰）。设计维纳滤波器，分析滤波结果。

##matlab代码实现

clearFs=360;N=2048;load('109-2-3.mat');x1=y;load('111-2-3.mat');x2=y;figuresubplot(2,1,1);plot(x1);grid;title('原始心电信号x1.109-2-3.mat');subplot(2,1,2);plot(x2);title('原始心电信号x2.109-2-3.mat');grid%(1)谱分析 mf1=fft(x1,N);%进行频谱变换（傅里叶变换）mf2=fft(x2,N);mag1=abs(mf1);mag2=abs(mf2);f1=(0:length(mf1)-1)*Fs/length(mf1); %进行频率变换f2=(0:length(mf2)-1)*Fs/length(mf2);figureplot(f1,mag1);axis([0,370,0,190]);grid;%画出频谱图 xlabel('频率(HZ)');ylabel('幅值');title('心电信号x1幅度谱'); figure plot(f2,mag2);axis([0,370,0,190]);grid;%画出频谱图 xlabel('频率(HZ)');ylabel('幅值');title('心电信号x2幅度图'); figureplot(f1,angle(mf1)/pi);axis([0 360 -1.3 1.3]);grid;xlabel('频率(HZ)');ylabel('相位');title('心电信号x1相位谱'); figureplot(f1,angle(mf2)/pi);axis([0 360 -1.3 1.3]);grid;xlabel('频率(HZ)');ylabel('相位');title('心电信号x2相位谱'); wn1=x1;wn2=x2;P1=10*log10(abs(fft(wn1).^2)/N);P2=10*log10(abs(fft(wn2).^2)/N);f1=(0:length(P1)-1)/length(P1); f2=(0:length(P2)-1)/length(P2); figure plot(f1,P1);grid xlabel('归一化频率');ylabel('功率(dB)');title('心电信号x1的功率谱'); figure plot(f2,P2);grid xlabel('归一化频率');ylabel('功率(dB)');title('心电信号x2的功率谱'); %（2）相关分析avr1=mean(x1);avr2=mean(x2);fprintf('信号x1的均值= %f\n',avr1);fprintf('信号x2的均值= %f\n',avr2);var1=var(x1);var2=var(x2);fprintf('信号x1的方差= %f\n',var1);fprintf('信号x2的方差= %f\n',var2);rx1=xcorr(x1,'biased');rx2=xcorr(x2,'biased');rx1x2=xcorr(x1,x2);figureplot(rx1);grid;title('心电信号x1的自相关函数');figureplot(rx2);grid;title('心电信号x2的自相关函数');figureplot(rx1x2);grid;title('心电信号x1,x2的互相关函数');%(3)数字滤波器设计SNR=10*log(100/8); % 2%是能量比x11=awgn(x1,SNR);figuresubplot(2,1,1), plot(x1);title('原信号x1');% 加入噪声后有毛刺,但2%的噪声有点小,毛刺不明显。subplot(2,1,2), plot(x11);title('加高斯白噪信号');dt=1/1023.5; % 取樣時距(或週期),sect=(0:dt:2)'; % 建立一個0-2秒的時間向量y_high=sin(2*pi*1000*t)/10; % 100 Hz的高頻訊號,振福1/10y_out=x1+y_high; % 基頻載上一組高頻的輸出。figureplot(t,y_out);grid;title('加入高频噪声1000hz');%——————IIR零相移数字滤波器纠正基线漂移——————- Wp=1.4*2/Fs;%通带截止频率 Ws=0.6*2/Fs;%阻带截止频率 devel=0.005; %通带纹波 Rp=20*log10((1+devel)/(1-devel)); %通带纹波系数 Rs=20;%阻带衰减 [N, Wn]=ellipord(Wp,Ws,Rp,Rs,'s'); %求椭圆滤波器的阶次 [b, a]=ellip(N,Rp,Rs,Wn,'high'); %求椭圆滤波器的系数 [hw,w]=freqz(b,a,512);result =filter(b,a,x1); figure freqz(b,a);title('IIR数字滤波器幅频曲线'); figure;subplot(2,1,1); plot(x1); xlabel('t(s)');ylabel('幅值');title('原始信号');grid subplot(2,1,2); plot(result); xlabel('t(s)');ylabel('幅值');title('线性滤波后信号');grid figure N=512; subplot(2,1,1);plot(abs(fft(x1))*2/N); xlabel('频率(Hz)');ylabel('幅值');title('原始信号x1频谱');grid; subplot(2,1,2);plot(abs(fft(result))*2/N); xlabel('频率(Hz)');ylabel('幅值');title('线性滤波去掉基线漂移频谱');grid;%（5）维纳滤波器去除工频干扰：dt=1/1023.5; % 取樣時距(或週期),sect=(0:dt:2)'; % 建立一個0-2秒的時間向量y=sin(2*pi*50*t)/10; % 100 Hz的高頻訊號,振福1/10x_noise=x1+y; % 基頻載上一組高頻的輸出。figureplot(t,x_noise);grid;title('加入噪声50hz');%维纳滤波Mlag=100;N=100;%维纳滤波器长度Rxn=xcorr(x_noise,Mlag,'biased');Rxnx=xcorr(x1,x_noise,Mlag,'biased');%产生输入信号与原始信号的互相关函数rxnx=zeros(N,1);rxnx(:)=Rxnx(101:101+N-1);Rxx=zeros(N,N);%产生输入信号自相关矩阵Rxx=diag(Rxn(101)*ones(1,N));for i=2:Nc=Rxn(101+i)*ones(1,N+1-i);Rxx=Rxx+diag(c,i-1)+diag(c,-i+1);endRxx;h=zeros(N,1);h=inv(Rxx)*rxnx;%计算维纳滤波器的h(n)yn=filter(h,1,x_noise);%将输入信号通过维纳滤波器figureplot(yn);title('经过维纳滤波器后信号');ynmean=mean(yn)%计算经过维纳滤波器后信号均值ynms=mean(yn.^2)%计算经过维纳滤波器后信号均方值ynvar=var(yn,1)%计算经过维纳滤波器后信号方差Ryn=xcorr(yn,Mlag,'biased');%计算经过维纳滤波器后信号自相关函数Y=fft(yn);%计算经过维纳滤波器后信号序列的快速离散傅里叶变换Y1=fft(x_noise);Py=Y.*conj(Y)/600;%计算信号频谱Py1=Y.*conj(Y)/600;figuresubplot(211)semilogy(t,Py)%绘制在半对数坐标系下频谱图像title('经过维纳滤波器后信号在半对数坐标系下频谱图像')xlabel('频率（HZ）','color','b');ylabel('幅度','color','b')subplot(212)semilogy(t,Py1)%绘制在半对数坐标系下频谱图像title('噪声信号在半对数坐标系下频谱图像')xlabel('频率（HZ）','color','b');ylabel('幅度','color','b')pyn=periodogram(yn);%计算经过维纳滤波器后信号的功率谱密度pyn1=periodogram(x_noise);figuresubplot(211)semilogy(pyn)%绘制在半对数坐标系下功率谱密度图像title('经过维纳滤波器后信号在半对数坐标系下功率谱密度图像');xlabel('频率','color','b');ylabel('幅度','color','b')subplot(212)semilogy(pyn);title('噪声信号在半对数坐标系下功率谱密度图像');xlabel('频率','color','b');ylabel('幅度','color','b')