基于多分辨率小波分析的信号基线漂移去除工具

资 源 简 介

本项目主要开发一套用于处理一维非平稳信号中基线漂移噪声的MATLAB算法工具。项目利用离散小波变换（DWT）的多分辨率分析特性，将原始信号分解为不同尺度的近似分量（低频）和细节分量（高频）。鉴于基线漂移通常主要集中在低频部分，系统通过分析信号频谱特性自动或手动选择合适的分解层数与小波基函数（如Daubechies、Symlets等）。算法核心流程包括：对信号进行多层小波分解，提取包含基线趋势的最底层近似系数；采用阈值处理或直接置零策略，或者利用低频分量重构基线并从原信号中减去；最后通过小波逆变换（IDWT）恢复去除漂移后的纯净信号。该系统特别适用于心电图（ECG）、脑电图（EEG）以及各类光谱数据的预处理，能够在有效消除低频趋势项的同时，完整保留信号的特征波形和高频细节信息，避免了传统高通滤波器可能引起的相位失真问题。

详 情 说 明

基于多分辨率小波分析的信号基线漂移去除系统

项目介绍

本项目实现了一套基于 MATLAB 的一维非平稳信号处理算法，专注于利用 离散小波变换 (DWT) 的多分辨率分析特性来消除信号中的 基线漂移 (Baseline Drift) 噪声。

在生物电信号（如 ECG 心电图、EEG 脑电图）或光谱数据采集过程中，由于呼吸、身体移动或仪器热漂移，常会引入低频趋势项。传统的高通滤波器可能会导致信号的关键特征发生相位失真。本项目采用小波分析方法，通过将信号分解为不同尺度的近似分量与细节分量，精确提取低频基线并予以去除，从而在保留高频细节特征（如 QRS 波群）的同时，高效还原纯净信号。

功能特性

• 高保真信号重构：利用 Symlets 小波基函数（sym8）优良的对称性和波形匹配能力，最大限度减少波形畸变。
• 多分辨率基线提取：通过 8 层小波分解，精确分离出频率低于 0.7Hz 的极低频漂移分量。
• 全流程模拟验证：内置心电信号模拟生成器，自动构建包含 QRS 复合波、0.05Hz-0.3Hz 混合基线漂移及高频随机噪声的测试数据。
• 多维性能评估：提供均方根误差 (RMSE) 和能量保留比指标，量化评估去噪效果。
• 可视化分析：集成时域波形对比、局部细节放大及低频频谱分析，直观展示漂移去除前后的信号差异。

系统要求

• MATLAB R2016b 或更高版本
• Wavelet Toolbox (小波工具箱)
• Signal Processing Toolbox (信号处理工具箱 - 推荐但不强制，视具体频谱分析函数需求而定)

算法原理与实现逻辑

本项目 main.m 脚本的核心实现流程严格遵循以下步骤：

1. 数据模拟与预处理

程序首先构建一个模拟环境以验证算法有效性。

• 纯净信号生成：通过高斯函数叠加模拟 ECG 的 P-QRS-T 波形特征，心率设定为 60 bpm。
• 噪声叠加：

* 基线漂移：合成 0.3Hz（模拟呼吸）和 0.05Hz（模拟体动）的正弦波。 * 瞬态噪声：叠加高频白噪声。

• 最终生成并处理的是 原始ECG + 混合基线漂移 + 随机噪声 的混合信号。

2. 小波参数配置

算法选用 Simlets 8 (sym8) 作为小波基函数，该基函数与生物电信号的形态相似度高，能有效避免滤波伪影。

• 分解层数设定：根据采样频率 ($Fs=360Hz$) 计算，设定分解层数为 Level = 8。
• 频率截止逻辑：第 8 层近似分量的频率范围约为 $0 - 360/2^9 approx 0 - 0.7Hz$。此设置确保了仅捕获基线漂移，而不损伤心电信号中有用的低频成分（如 T 波）。

3. 多分辨率分解与重构

使用 wavedec 函数对含噪信号进行多层离散小波分解，获取各层的细节系数 (Detail Coefficients) 和近似系数 (Approximation Coefficients)。

• 基线估计：不仅是简单的滤波，程序利用 wrcoef 函数，专门针对第 8 层的 近似分量 ('a') 进行重构。这个重构出的信号即为算法识别出的“低频基线趋势”。

4. 信号校正

采用 减法校正策略，即从原始含噪信号中直接减去重构的估计基线： > 校正信号 = 原始含噪信号 - 小波重构基线

此方法相比于通过阈值处理细节系数的方法，能更直接、线性地剥离加性低频噪声，保留原始信号的高频纹理。

5. 结果评估与可视化

程序最后通过三个维度的图表展示处理结果：

• 子图 1 (时域全貌)：展示原始含噪信号，并对比“真实设定的基线”与“算法提取的基线”，验证拟合精度。
• 子图 2 (细节对比)：将校正后的信号与理想的纯净信号（含高频噪）进行对比，通过局部放大（2-6秒区间），验证 QRS 波幅和形状是否完整保留。
• 子图 3 (频域分析)：利用 FFT 分析信号频谱，重点展示 0-5Hz 的低频区域，直观证明低频漂移能量已被有效抑制。

使用方法

1. 确保 MATLAB 环境中已安装 Wavelet Toolbox。
2. 将代码保存为 main.m。
3. 直接运行脚本，程序将自动生成模拟数据、执行处理流程并弹出分析图表。
4. 控制台将输出 RMSE 误差值及信号能量保留比。

关键代码细节分析

• generate_synthetic_ecg(t)：

这是内置的辅助函数，不依赖外部数据文件。它利用傅里叶级数原理的简化形式（多个高斯波包）在时域合成心跳周期，生成标准化的 ECG 电压信号。

• wavedec 与 wrcoef：

这是算法的核心引擎。wavedec 负责将时域信号拆解到不同频率子带；wrcoef 则充当频率选择性重构器，只将最底层的低频信息还原回时域，从而分离出漂移轨迹。

• level = 8 的选择依据：

代码中明确注释了层数选择的物理意义。对于 360Hz 的采样率，每一层分解将带宽减半。要隔离出 <1Hz 的基线，必须进行至少 8-9 层分解。代码中包含对 wmaxlev 的检查，防止分解层数超出信号长度允许的理论上限。