MATLAB：滤波噪声 EKG 信号

Question

MATLAB：滤波噪声 EKG 信号

matlabfiltersignal-processing

7

使用matlab从ECG信号中去除噪音的最佳滤波器是什么？

- kristia

“heart.wav”是什么？那是心电图吗？ - gnovice

是的，我想分析心音。 - kristia

如果你所说的“心音”是指心电图信号，那么你应该重新表述问题。 - Amro

是的，我想知道哪种滤波器最适合用于从心脏信号中去除噪音。我拥有的信号是一个.wav文件。我想创建一个滤波器函数，并将信号文件插入其中，以便从该文件中去除噪音并显示和保存新信号。 - kristia

我刚刚更新了我的回答，并提供了许多过滤信号的方法。 - Amro

2个回答

2

以下是两个与滤波器设计有关的工具/演示，您可能希望查看:

FDATool，位于信号处理工具箱中（如果您可以访问该工具箱）。
模拟滤波器设计工具箱，由James Squire在MathWorks文件交换上发布。该工具箱似乎包含了用于过滤EKG数据的模拟。

这些工具可以让您尝试不同的滤波器和滤波器参数，以查看它们在EKG / ECG数据上的表现。

- gnovice

在选择滤波器时，通常需要高通滤波器不大于0.05Hz，以确保心电图ST段的诊断使用具有高保真度。成人使用低通滤波器约为40Hz，小儿为150Hz，如果您想看到起搏器脉冲，则最好可用150-200Hz。 - user7116

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Amro · Accepted Answer

如果您可以访问 信号处理工具箱，那么请查看Savitzky-Golay滤波器，特别是函数sgolay。有一个配套的演示，只需运行sgolaydemo。

以下是一个示例，展示了您可以对信号应用滤波和去噪的各种方法。请注意，其中一些函数需要特定的工具箱存在：

% load ecg: simulate noisy ECG
Fs=500;
x = repmat(ecg(Fs), 1, 8);
x = x + randn(1,length(x)).*0.18;

% plot noisy signal
figure
subplot(911), plot(x), set(gca, 'YLim', [-1 1], 'xtick',[])
title('noisy')

% sgolay filter
frame = 15;
degree = 0;
y = sgolayfilt(x, degree, frame);
subplot(912), plot(y), set(gca, 'YLim', [-1 1], 'xtick',[])
title('sgolayfilt')

% smooth
window = 30;
%y = smooth(x, window, 'moving');
%y = smooth(x, window/length(x), 'sgolay', 2);
y = smooth(x, window/length(x), 'rloess');
subplot(913), plot(y), set(gca, 'YLim', [-1 1], 'xtick',[])
title('smooth')

% moving average filter
window = 15;
h = ones(window,1)/window;
y = filter(h, 1, x);
subplot(914), plot(y), set(gca, 'YLim', [-1 1], 'xtick',[])
title('moving average')

% moving weighted window
window = 7;
h = gausswin(2*window+1)./window;
y = zeros(size(x));
for i=1:length(x)
    for j=-window:window;
        if j>-i && j<(length(x)-i+1) 
            %y(i) = y(i) + x(i+j) * (1-(j/window)^2)/window;
            y(i) = y(i) + x(i+j) * h(j+window+1);
        end
    end
end
subplot(915), plot( y ), set(gca, 'YLim', [-1 1], 'xtick',[])
title('weighted window')

% gaussian
window = 7;
h = normpdf( -window:window, 0, fix((2*window+1)/6) );
y = filter(h, 1, x);
subplot(916), plot( y ), set(gca, 'YLim', [-1 1], 'xtick',[])
title('gaussian')

% median filter
window = 15;
y = medfilt1(x, window);
subplot(917), plot(y), set(gca, 'YLim', [-1 1], 'xtick',[])
title('median')

% filter
order = 15;
h = fir1(order, 0.1, rectwin(order+1));
y = filter(h, 1, x);
subplot(918), plot( y ), set(gca, 'YLim', [-1 1], 'xtick',[])
title('fir1')

% lowpass Butterworth filter
fNorm = 25 / (Fs/2);               % normalized cutoff frequency
[b,a] = butter(10, fNorm, 'low');  % 10th order filter
y = filtfilt(b, a, x);
subplot(919), plot(y), set(gca, 'YLim', [-1 1])
title('butterworth')