基于小波变换的ECG信号去噪与心律失常分类系统

资 源 简 介

本项目旨在构建一个高精度的医疗信号处理平台，专门用于解析和诊断心电图（ECG）数据。系统首先采用基于离散小波变换（DWT）的软阈值去噪算法，有效分离并去除原始信号中的基线漂移、工频干扰和肌电噪声，显著提升信号信噪比。在预处理基础上，整合Pan-Tompkins算法与自适应阈值逻辑，实现对QRS波群的精准定位及R波峰值的自动检测，从而精确计算瞬时心率和RR间期。项目进一步提取心电信号的时域特征（如QRS宽度、ST段偏移）和频域特征，结合机器学习算法（如支持向量机SVM或K近邻KNN）构建分类模型，实现对正常心律、室性早搏（PVC）、房颤等常见心律失常类型的自动识别。此外，项目包含基于MATLAB App Designer开发的交互式用户界面，支持数据导入、波形实时缩放查看、特征点手动修正及诊断报告生成，适用于心脏病辅助诊断及可穿戴监护设备算法的验证与仿真。

详 情 说 明

基于小波变换的ECG心电信号去噪与心律失常自动分类系统

项目简介

本项目是一个基于MATLAB构建的医疗信号处理与分析平台，专注于心电图（ECG）数据的自动解析与诊断。系统集成了数字信号处理技术与机器学习算法，能够完成从原始信号去噪、QRS波群定位、特征提取到心律失常类型识别的全流程处理。

该代码通过生成高质量的合成ECG数据进行模型训练与仿真测试，无需依赖外部数据集即可运行。系统能够模拟真实环境下的噪声干扰（基线漂移、工频干扰、肌电噪声），并最终生成包含波形对比、分类统计及HRV指标的诊断报告。

主要功能特性

• 高保真数据仿真：自动生成正常心律（Normal）、室性早搏（PVC）和房颤（AFib）的合成心电信号，支持自定义时长与噪声水平。
• 小波阈值去噪：采用离散小波变换（DWT）有效去除复杂环境噪声，同时保留ECG信号的关键形态特征。
• 精准R波定位：实现经典的Pan-Tompkins算法，通过多级滤波与自适应阈值逻辑，精确检测QRS波群位置。
• 智能心律分类：基于支持向量机（SVM）构建多分类模型，通过分析时域形态与频域特征自动识别心律失常类型。
• 心率变异性分析：自动计算BPM、RR间期均值、SDNN及RMSSD等关键心脏健康指标。
• 可视化诊断报告：生成包含原始/去噪对比图、R波检测标记图、分类统计柱状图及文本诊断结论的综合图表。

详细系统流程与算法实现

本项目的主程序严格遵循以下三个核心处理阶段：

1. 模型构建与训练阶段

系统首先初始化环境并固定随机种子以保证结果可复现。

• 数据生成：循环生成正常心律、PVC和AFib三类合成信号。
• 预处理：对生成的训练数据应用小波去噪，并检测R波位置以分割心跳。
• 特征工程：提取每个心跳片段的形态学特征和频域特征，包括：

* R波幅度 * QRS波群能量 * QRS波宽度（半高宽） * 前向RR间期（瞬时心率） * 谱熵（频域复杂度）

• 分类器训练：将特征数据标准化（Z-score），使用高斯核函数的支持向量机（SVM）作为学习器，训练纠错输出编码（ECOC）多分类模型，并计算交叉验证准确率。

2. 仿真测试与信号处理阶段

系统生成一段长达10秒的混合信号（包含正常、PVC、AFib片段），并注入严重的基线漂移（0.2Hz）、工频干扰（50Hz）和高斯白噪声（肌电模拟）。

• 小波去噪：

* 选用 sym8 小波基进行5层分解。 * 使用无偏风险估计（Rigrsure）准则获取阈值。 * 对细节系数进行软阈值处理，重构信号以去除高频噪声和基线漂移。

• Pan-Tompkins R波检测：

* 带通滤波：使用5-15Hz巴特沃斯滤波器隔离QRS频带。 * 微分与平方：增强高频斜率成分并抑制低频波。 * 移动窗口积分：使用150ms窗口进行积分，生成包络。 * 回溯搜索：在积分信号峰值附近，回到去噪后的原始信号中寻找精确的R波顶点。

• 逐拍分类：

* 根据检测到的R波位置切割单拍信号。 * 实时提取当前心跳的5维特征向量。 * 利用训练好的SVM模型预测当前心跳的类别（Normal/PVC/AFib）。

3. 可视化与评估阶段

系统最后创建一个综合图形窗口展示结果：

• 信号对比：在同一时间轴上绘制含噪原始信号与去噪后信号，直观展示信噪比提升效果。
• 检测标记：在洁净信号上用红色倒三角标记出算法识别到的R波位置。
• 分类统计：统计各类心律失常出现的次数。
• 诊断面板：计算并显示平均心率（BPM）、RR间期均值、SDNN（标准差）、RMSSD（均方根差），并根据分类结果给出“正常”、“发现室性早搏”或“疑似房颤”的最终诊断结论。

关键技术点分析

• 小波变换策略：代码中使用了 MATLAB 小波工具箱的 wavedec 和 wthresh 函数，或封装的 wden 函数。相比传统滤波器，小波去噪在去除宽带噪声的同时能更好地保留QRS波的尖锐边缘，避免波峰衰减。
• Pan-Tompkins 鲁棒性设计：实现中包含了完整的预处理链路（带通->微分->平方->积分），并加入了自适应搜索窗口和延迟校正机制，确保了在噪声残留情况下的检测稳定性。
• 特征融合：分类模型不仅利用了RR间期（时间节律），还融合了波形形态（宽度、能量）和频域特征（谱熵），这使得模型对于区分形态相似但节律不同的心律失常（如AFib）更加有效。

系统要求

要运行本项目的 main 函数，您的 MATLAB 环境需要安装以下工具箱：

• MATLAB Base (基础环境)
• Signal Processing Toolbox (信号处理工具箱 - 用于滤波和窗函数)
• Wavelet Toolbox (小波工具箱 - 用于小波分解与去噪)
• Statistics and Machine Learning Toolbox (统计与机器学习工具箱 - 用于SVM模型训练与预测)

使用方法

1. 确保 MATLAB 路径中包含主程序文件。
2. 在 MATLAB 命令窗口输入 main 并回车。
3. 程序将自动执行数据生成、模型训练、信号处理及绘图流程。
4. 等待几秒钟后，系统将弹出“ECG智能诊断系统”结果窗口。