心电信号ECG预处理与心率检测系统

资 源 简 介

本项目针对医疗心电信号（ECG）处理中存在的噪声多、特征识别难等问题，设计并实现了一套完整的预处理与参数提取方案。系统首先通过多级数字滤波技术对原始信号进行降噪，具体包括：使用陷波器滤除50Hz工频干扰，使用高通滤波器和中值滤波组合消除由呼吸和电极接触引起基线漂移，以及使用低通滤波器抑制肌电干扰的高频成分。预处理后的信号将保持稳定的基线和清晰的波形。 在此基础上，系统进一步实现了R波特征提取功能，采用差分阈值法结合信号平滑处理，实现在复杂的信号背景下精准定位QRS波群。通过识别两个相邻R波峰值的时间差（R

详 情 说 明

基于MATLAB的ECG心电信号预处理与心率检测系统

项目介绍

本项目是一个集成化的心电信号（ECG）处理方案，旨在解决临床心电监测中常见的噪声干扰与人工识别效率低的问题。通过MATLAB平台，系统实现了从原始含噪信号加载、多级数字滤波降噪、QRS波群特征提取到心率变异性（HRV）分析的历史全流程模拟。系统不仅能有效滤除工频、基线漂移及肌电噪声，还能精准定位R波峰值，为心脏健康状态的量化分析提供数据支持。

功能特性

1. 多维度信号降噪：集成陷波器、高低通滤波器及中值滤波，针对性消除多种环境与生理噪声。
2. 强化R波检测：基于改进的Pan-Tompkins算法思想，通过变换与积分操作提升复杂背景下的特征识别精度。
3. 自动化参数评估：实时计算瞬时心率、平均心率、SNR（信噪比）改善情况以及HRV关键指标。
4. 直观数据可视化：提供原始与滤波信号对比图、R峰定位图以及心率动态趋势图。

使用方法

1. 环境配置：确保计算机安装有MATLAB软件及信号处理工具箱（Signal Processing Toolbox）。
2. 参数自定义：支持在代码初始化阶段修改采样频率（fs）、信号时长（T）或预设的模拟心率。
3. 运行分析：执行主程序脚本，系统将自动生成仿真信号并执行预处理与检测算法。
4. 结果解读：通过查阅图形窗口的标注及命令行窗口打印的分析报告，获取SNR、SDNN、RMSSD等量化数据。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：信号处理工具箱（用于执行filter、butter、findpeaks等核心指令）。
3. 硬件建议：标准个人电脑即可，建议内存4GB以上以确保绘图流畅。

实现逻辑说明

1. 信号仿真与噪声模拟

系统首先构造了一个包含P波、QRS波群和T波的标准ECG信号，通过指数极值函数模拟生理特征。随后向信号中叠加了三种典型干扰：50Hz工频干扰（正弦波）、基线漂移（低频正弦与线性趋势结合）以及高频肌电噪声（随机高斯噪声）。

1. 数字滤波预处理流程

第一阶段使用IIR陷波器精准消除50Hz工频噪声。第二阶段通过三阶巴特沃斯高通滤波器（截止频率0.5Hz）初步抑制基线漂移，接着结合移动中值滤波进一步平滑残留的慢速波动。最终通过四阶巴特沃斯低通滤波器（截止频率40Hz）滤除高频肌电成分。

1. R波检测算法实现

系统采用了Pan-Tompkins算法的核心逻辑。首先对滤波后的信号进行五点差分求导以增强QRS波斜率，随后进行平方处理以突出高频成分并消除极性影响。接着使用150ms的移动窗口进行积分平滑，将波群转化为能量包。最后通过自适应阈值检测能量包峰值，并在原信号的一定窗口范围内回溯寻找真实的R波最大值。

1. 生理指标计算

根据识别出的R波索引计算相邻心跳的时间差（RR间期）。基于此计算瞬时心率与平均心率。同时，系统计算了反映自律神经活动的HRV指标：SDNN（RR间期标准差）和RMSSD（相邻RR间期差值的均方根）。

关键函数与算法分析

1. 数字滤波器设计：利用butter函数生成巴特沃斯系数，并配合filtfilt进行零相位滤波，确保处理后的信号相位不失真，这对于R波的准确定位至关重要。
2. 差分与积分变换：五点差分器（h_diff）有效放大了R波的陡峭边缘，移动平均积分（movmean）则起到了平滑包络的作用，使阈值判定更加稳健。
3. 自适应阈值判定：系统根据积分信号的最大值动态设定检测阈值（0.3倍最大值），结合最小峰值距离限制（0.4fs），有效防止了T波检测过灵敏或误检。
4. 信噪比（SNR）评估：通过对比仿真纯净信号与处理前后的含噪信号，量化评估了滤波系统的性能提升，体现了系统在噪声抑制方面的有效性。