心电信号R波自动检测与心率分析系统

资 源 简 介

本项目旨在利用MATLAB强大的数字信号处理工具箱，开发一套高效、精准的心电（ECG）信号R波峰值检测与分析系统。该系统针对临床或实验中采集的心电数据，首先进行必要的预处理环节，包括去除基线漂移、滤除工频干扰（50/60Hz）以及抑制高频肌电噪声，通常采用带通滤波器、中值滤波器或小波阈值去噪技术来提升信号质量。核心算法模块实现经典的Pan-Tompkins算法或基于小波变换的模极大值检测算法，通过对预处理后的信号进行微分、平方、移动窗口积分等操作，以此增强QRS波群的能量特征，并利用自适应动态阈值策略准确识别R波峰值位置，有效降低高T波或噪声引起的误检率。在完成峰值定位后，系统将自动计算RR间期（相邻R波的时间间隔）和瞬时心率（BPM），并进行心率变异性（HRV）的初步统计分析。最终，项目通过图形用户界面或直接绘图输出，直观地展示原始信号、滤波后信号以及标记了检测到的R波峰值的对比波形图，为心律失常等心脏疾病的辅助诊断提供可靠的数据支持。

详 情 说 明

基于MATLAB的心电信号R波峰值自动检测系统

项目介绍

本项目是一个基于MATLAB开发的心电（ECG）信号处理与分析系统。系统利用数字信号处理技术，从含噪的心电信号中提取特征，实现对R波峰值的高精度定位。除核心的检测功能外，系统还包含模拟信号生成、多级噪声抑制预处理、心率变异性（HRV）统计分析以及全流程的可视化展示功能。该系统实现了经典的Pan-Tompkins算法流程，并结合自适应阈值策略，能够有效应对基线漂移、工频干扰和肌电噪声的影响。

功能特性

• 模拟信号生成：内置合成ECG生成器，能够模拟包含P、Q、R、S、T波的完整心动周期，并支持随机的心率变异性（HRV）模拟。
• 环境噪声仿真：自动叠加基线漂移（0.5Hz）、工频干扰（50Hz）和高频肌电噪声，模拟真实的信号采集环境。
• 多级信号预处理：

* 基线校正：采用两级中值滤波技术去除低频基线漂移。 * 陷波滤波：精准滤除50Hz电源线干扰。 * 高频去噪：使用低通滤波器抑制高频肌电噪声。

• Pan-Tompkins算法实现：完整复现了微分、平方、移动窗口积分（MWI）等特征增强步骤。
• 自适应R波检测：

* 动态阈值调整机制，根据信号和噪声水平自动更新检测门限。 * 回溯修正算法，解决积分处理带来的波峰延迟问题，精准定位原始波形中的R波。

• 临床指标分析：自动计算平均心率（BPM）、RR间期、SDNN和RMSSD等HRV时域指标。
• 数据可视化：提供包含原始信号对比、算法中间过程、最终检测标记的三栏波形图。

系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox（信号处理工具箱）

* 项目依赖 filtfilt (零相位滤波), butter (巴特沃斯滤波器设计), iirnotch (陷波器设计), findpeaks (寻峰), medfilt1 (一维中值滤波) 等函数。

使用方法

1. 将代码保存为MATLAB脚本文件。
2. 确保MATLAB路径中已包含所需的工具箱。
3. 直接运行脚本，系统将自动依次执行：参数初始化、信号生成、噪声添加、预处理、R波检测及绘图。
4. 运行结束后，控制台将输出心率统计数据，并弹出一个包含三个子图的分析窗口。

详细实现与算法逻辑

本项目的主要执行逻辑包含以下六个关键阶段，完全对应代码的实际执行流程：

1. 参数设置与信号生成

系统首先设定采样率（360Hz）、信号时长（10秒）和目标心率（75 BPM）。

• 信号合成：通过本地辅助函数，利用高斯函数叠加模拟P、Q、R、S、T波的形态，并引入微小的随机时间偏移来模拟真实的心率变异性。
• 噪声叠加：在纯净信号上线性叠加0.5Hz的正弦波（模拟呼吸造成的基线漂移）、50Hz正弦波（模拟工频干扰）以及高斯白噪声（模拟肌电干扰），构建待处理的 noisy_ecg 信号。

2. 信号预处理

为了从强噪声背景中恢复信号，代码实施了以下级联滤波策略：

• 去除基线漂移：采用中值滤波法。首先使用200ms窗口滤除QRS波群，随后对结果进行600ms窗口滤波提取基线轮廓，最后将原始信号减去该基线。
• 滤除工频干扰：设计一个中心频率为50Hz的IIR陷波器（Notch Filter），并使用零相位滤波函数 filtfilt 处理，防止相位失真。
• 宽带滤波：使用截止频率约为20Hz的二阶巴特沃斯低通滤波器进行初步清洗，为后续算法做准备。

3. Pan-Tompkins 算法核心

该模块旨在最大化QRS波群的特征能量，同时抑制其他波段：

• 带通滤波：使用5-15Hz的巴特沃斯带通滤波器，保留QRS波群的主要频谱能量，滤除低频P/T波和高频噪声。
• 微分变换：应用5点差分滤波器（系数 [1, 2, 0, -2, -1]），突出信号斜率变化剧烈的部分（即R波的上升沿和下降沿）。
• 非线性平方：对微分信号进行平方运算，将所有数据转换为正值，并非线性地放大高幅度的QRS波群成分。
• 移动窗口积分 (MWI)：使用宽度约150ms的矩形窗口进行卷积积分，将离散的波形特征平滑聚合成一个宽大的波峰，便于后续检测。

4. R波峰值自适应检测

检测逻辑分为粗定位和精定位两个步骤：

• 基于MWI的粗检测：在积分信号上寻找局部极大值（最小峰值距离设为200ms），并利用双阈值（信号阈值和噪声阈值）策略进行筛选。

* 自适应更新：若峰值超过当前阈值，判定为QRS波，更新信号水平 signal_level；否则判定为噪声，更新噪声水平 noise_level。阈值根据通过公式动态调整：Threshold = Noise + 0.25 * (Signal - Noise)。

• 回溯修正（精定位）：由于积分过程会导致波峰位置在时间轴上滞后，算法以MWI检测到的位置为基准，在预处理后的滤波信号（ecg_filtered）上向前回溯搜索（搜索窗约150ms），找到真实的信号极大值点作为最终的R波位置。

5. 心率计算与统计分析

根据最终确定的R波位置索引计算时域指标：

• RR间期：计算相邻R波之间的时间差。
• 平均心率：60除以平均RR间期。
• HRV分析：

* SDNN：RR间期的标准差，反映整体心率变异程度。 * RMSSD：相邻RR间期差值的均方根，反映副交感神经活性。 结果将直接通过 fprintf 输出至控制台。

6. 可视化绘图

系统生成一个包含三个子图的Figure窗口：

1. 预处理效果：灰色显示原始带噪信号，蓝色显示去噪及基线校正后的信号，直观展示预处理对信噪比的提升。
2. 算法中间态：绿色虚线显示平方后的信号，黑色实线显示移动积分后的信号（MWI），并标注红色虚线阈值，展示特征增强过程。
3. 最终复律：在滤波后的ECG信号上，用红色圆点标记检测到的R波峰值，并在波峰上方标注具体的RR间期数值（秒），便于人工核验。