?💥💥💞💞歡迎來到本博客????💥💥
🏆博主優勢：🌞🌞🌞博客內容盡量做到思維縝密，邏輯清晰，為了方便讀者。
??座右銘：行百里者，半于九十。
📋📋📋本文目錄如下：🎁🎁🎁
目錄
💥1 概述
📚2 運行結果
🎉3?參考文獻
🌈4 Matlab代碼實現
💥1 概述
本文包括：
1. 去趨勢化一個心電圖信號
2. 查看信號的功率譜
3. 創建一個低通IIR濾波器并平滑信號
4. 對濾波器引起的延遲進行補償
在這項研究中，我們將關注四個主要方面：去趨勢化心電圖信號、分析信號的功率譜、應用低通IIR濾波器平滑信號，以及對濾波器引起的延遲進行補償。
首先，我們將探索去趨勢化心率信號的過程。去趨勢化涉及從信號中去除任何長期趨勢或基線漂移，使我們能夠專注于潛在的模式和異常。
接下來，我們將檢查心電圖信號的功率譜。功率譜提供有關信號頻率內容的寶貴信息，幫助我們識別特定頻率成分及其對整體信號的貢獻。
之后，我們將引入低通IIR濾波器。這種濾波器只允許低頻成分通過，同時衰減高頻成分。我們將將這個濾波器應用于心電圖信號，以去除高頻噪聲和不需要的偽跡，從而得到更平滑、更清晰的信號。
最后，我們將解決濾波器引入的延遲問題。濾波器，尤其是數字濾波器，在處理信號時可能會引入一定的延遲。我們將探索補償這種延遲的方法，確保濾波后的信號與原始心電圖波形準確對齊。
通過進行這項研究，我們旨在增進對去趨勢化、功率譜分析、低通IIR濾波和延遲補償技術在心電圖信號背景下的理解。這些知識可以在生物醫學工程、心臟病學和信號處理等各個領域中應用。
📚2 運行結果
?
?部分代碼：
%% Plot the Power Spectral Density of EKG Signal
??
[pxx,fx] = pwelch(xn,[],[],[],Fs);
plotEKGPSD(fx,pxx,' :: Before Filtering');
%% Design a Lowpass IIR Filter?
N = 7;
Fp = 75;
Ap = 1;
h ?= fdesign.lowpass('N,Fp,Ap', N, Fp, Ap, Fs);
d = design(h, 'cheby1');
%% Apply the filter to to Smooth out the EKG Signal?
xfilter = filter(d,xn);
%% Visualize PSD of the EKG signal before and after Filtering?
[pff,ff] = pwelch(xfilter,[],[],[],Fs);?
plotEKGPSD(fx,pxx,'compare', ff,pff);
%% Overlay the filtered signal on the original EKG signal.?
% Filtered signal is delayed
figure;
plot(tn, xn, 'b',tn, xfilter,'r');
grid on;
legend({'Original Signal','Filtered Signal'});
set(gcf,'NumberTitle','Off', 'Name','Filtered Signal vs. Actual Signal');
%% Compare the original EKG signal, filtered signal and delay compensated filtered signal?
xfiltfilt = filtfilt(d.sosMatrix,d.ScaleValues, xn);
delayCompensationPlot(tn, xn, xfilter,xfiltfilt);
🎉3?參考文獻
文章中一些內容引自網絡，會注明出處或引用為參考文獻，難免有未盡之處，如有不妥，請隨時聯系刪除。
[1]徐超逸.簡單整系數濾波器在實時心電信號處理中的應用探究[J].電子世界, 2021(15):2.
[2]王光宇.基于FIR與相位補償IIR濾波器的雷達回波信號處理[J].無線互聯科技, 2020, 17(3):3.DOI:CNKI:SUN:WXHK.0.2020-03-004.
[3]周春瑜,曹鳴.基于FIR濾波器的心電圖信號矯正[J].科協論壇：下半月, 2009(2):2.DOI:10.3969/j.issn.1007-3973.2009.02.057.
[4]任燕,郭倉庫.基于濾波器的ECG信號預處理[J].電氣傳動自動化, 2016(3):3.DOI:CNKI:SUN:DQCD.0.2016-03-015.
)
