心电信号滤波与QRS波检测系统

资 源 简 介

该项目旨在开发一个综合性的心电信号（ECG）处理平台，专门用于去除信号中的各种噪声并提取关键的生理特征信息。首先，系统通过高通滤波器滤除基线漂移等低频干扰，确保信号在水平基线上波动。接着，利用低通滤波器消除高频肌电干扰和仪器热噪声，提高信号的平滑度。针对常见的50Hz或60Hz工频干扰，系统集成了一组精密的带阻滤波器进行针对性清除，在去除干扰的同时最大限度保留原始信号的形态特征。在完成信号预处理后，系统应用经典的Pan-Tompkins算法或其他先进的导数阈值检测法，实现对QRS波群的自动识别与定位。该过

详 情 说 明

心电信号多功能滤波与QRS波检测系统

项目介绍

本系统是一个集成了模拟心电信号生成、多级数字滤波预处理器以及QRS复合波自动检测算法的综合性MATLAB分析平台。系统针对心电信号（ECG）在采集过程中易受到的基线漂移、工频干扰及高频噪声影响，设计了一套完整的信号增强方案。通过经典的Pan-Tompkins算法思想，系统能够实现R波峰值的精确精化与定位，并自动计算瞬时心率、平均心率及心率变异性（HRV）相关指标，为生物医学信号处理提供直观的分析工具。

功能特性

1. 信号模拟与仿真：系统能够自主生成包含标准P波、QRS波群和T波特征的模拟心电信号，并允许叠加基线漂移、50Hz工频干扰和高斯白噪声，用于测试算法的鲁棒性。
2. 多级数字滤波：集成了高性能的高通滤波器（去除基线）、低通滤波器（去除肌电干扰）以及精密IIR陷波器（去除工频干扰）。
3. 动态特征增强：利用微分算子和平方算子突出QRS波群的斜率特征，削弱低频成分。
4. 移动平均积分：采用滑动窗口积分法平滑非线性处理后的信号，形成便于检测的特征包络。
5. 自适应双门限检测：基于信号阈值和噪声阈值的动态更新机制，自动识别QRS峰值。
6. 精确R波校准：在积分窗口检测的基础上，回归原始滤波信号进行局部极值检索，确保R点定位精度。
7. 生理参数统计：自动计算R-R间期、瞬时心率（BPM）、平均心率以及SDNN（心率标准差）等量化指标。
8. 可视化分析报告：提供时域滤波对比图、功率谱密度（PSD）分析图以及检测结果轨迹图。

系统逻辑与实现细节

1. 参数初始化与信号构建

系统首先设定500Hz的采样频率，生成持续10秒的时间序列。通过循环叠加高斯脉冲模拟典型的心电波形组件。随后，人为引入0.3Hz/0.1Hz的复合基线漂移、50Hz的正弦工频干扰以及标准差为0.1的随机噪声，构造出复杂的待处理信号。

2. 三级滤波器设计

• 高通滤波：采用3阶巴特沃斯（Butterworth）高通滤波器，截止频率设为0.5Hz，有效抑制心电基线随呼吸发生的缓慢偏移。
• 低通滤波：采用5阶巴特沃斯低通滤波器，截止频率设为40Hz，滤除工频以上的高频噪声和肌电干扰。
• 陷波处理：使用iirnotch函数设计50Hz陷波器，带宽因子（Q值）经过优化，在消除电力线干扰的同时减小对心电形态的损伤。
• 相位补偿：所有滤波过程均采用filtfilt零相位滤波技术，确保滤波后信号相位不发生偏移。

3. QRS波群处理逻辑

• 微分运算：利用五点导数算子执行数值微分，增强R波的前导斜率。
• 非线性叠加：通过平方运算使微分后的信号特征转化为正向脉冲，并进一步扩大QRS区与非QRS区的幅值差距。
• 窗口积分：设定150ms（约75个采样点）的移动平均窗口，对平方信号进行卷积运算，产生代表QRS能量的平滑脉冲。

4. 自适应阈值算法

系统对积分后的信号进行波峰检索，并维护两个动态阈值：

• 信号阈值（threshold_sig）：根据已识别出的QRS波峰值按0.25:0.75的比例持续更新。
• 噪声阈值（threshold_noise）：根据被判定为噪声的局部峰值进行同步更新。
• 最终判定标准：结合两个阈值生成的综合门限，配合最小300ms的检测间隔（MinPeakDistance）防止误触发。

5. 峰值精化与指标计算

系统在检测到积分信号的能量窗口后，会在中心点前后100ms范围内搜索滤波信号的最大值，以此确定真R波的位置。基于R点坐标计算差分，获得R-R间期序列，进而导出平均心率。

关键函数与算法分析

1. butter/filtfilt：实现了巴特沃斯数字滤波器的系数计算与零相位应用，保证了心电信号波形不发生畸变。
2. iirnotch：专门用于生成针对工频干扰的阶跃响应，在保持高频成分的前提下实现窄带滤除。
3. findpeaks/findpeaks_local：系统内置了对局部最大值的搜寻逻辑，不仅支持工具箱函数，还提供了底层逻辑实现以保证在不同环境下的兼容性。
4. Pan-Tompkins 衍生逻辑：通过“微分-平方-积分”三个核心步骤，成功将复杂的波段识别问题转化为能量包络检测问题。
5. periodogram：利用周期图法计算信号在滤波前后的功率谱密度，量化分析滤波器对特定干扰的抑制效果。

使用方法

1. 启动环境：打开MATLAB软件。
2. 运行分析：直接运行该脚本。
3. 交互查看：

* 图形窗口上方将显示原始信号与滤波信号的对比。 * 中间图表通过对数坐标展示50Hz等频点的能量压制情况。 * 下方图表实时标记出检测到的R波顶点，并在标题处显示平均心率。

1. 结果审阅：检查MATLAB命令行输出的分析报告，查看检测到的R波总数、心率均值、极值以及SDNN等生理指标。

系统要求

• MATLAB R2016b 或更高版本。
• Signal Processing Toolbox（信号处理工具箱）：用于调用butter、iirnotch、findpeaks等函数。若无该工具箱，系统已内置简化的自研峰值查找函数作为备选。