MATLAB 心电信号去噪

基于MATLAB 的心电信号去噪可以通过多种方法实现，常见的方法包括小波阈值去噪、数字滤波去噪等。 MATLAB 实现结合了小波阈值去噪方法。

MATLAB 心电信号去噪

1. 小波阈值去噪方法

小波阈值去噪是一种有效的心电信号去噪方法，特别适用于处理非平稳信号。其基本步骤如下：

1. 对含噪信号进行小波分解。
2. 对小波系数进行阈值处理（硬阈值或软阈值）。
3. 对处理后的系数进行小波重构，得到去噪后的信号。

2. MATLAB 实现代码

使用小波阈值去噪方法对心电信号进行去噪处理：

% 加载心电信号数据
% 假设信号存储在变量 ecg_signal 中，噪声存储在变量 noise 中
% 这里使用 MATLAB 内置的心电信号数据进行演示
load('ecg.mat'); % 加载心电信号数据
ecg_signal = ecg; % 原始心电信号
noise = 0.1 * randn(size(ecg_signal)); % 添加高斯噪声
noisy_signal = ecg_signal + noise; % 含噪心电信号

% 小波阈值去噪
waveletName = 'db1'; % 选择小波基函数
level = 5; % 小波分解层数
[coeffs, lengths] = wavedec(noisy_signal, level, waveletName); % 小波分解

% 阈值处理（软阈值）
threshold = wthrmngr('dw2ddenoising', noisy_signal); % 自动选择阈值
coeffs = wthresh(coeffs, 's', threshold); % 软阈值处理

% 小波重构
denoised_signal = waverec(coeffs, lengths, waveletName); % 重构去噪信号

% 绘制结果
figure;
subplot(3, 1, 1);
plot(ecg_signal);
title('原始心电信号');
xlabel('样本点');
ylabel('幅度');

subplot(3, 1, 2);
plot(noisy_signal);
title('含噪心电信号');
xlabel('样本点');
ylabel('幅度');

subplot(3, 1, 3);
plot(denoised_signal);
title('去噪后的心电信号');
xlabel('样本点');
ylabel('幅度');

3. 去噪效果评估

去噪效果可以通过信噪比（SNR）和均方根误差（MSE）来评估。较高的 SNR 和较低的 MSE 表示更好的去噪效果。

% 计算信噪比（SNR）和均方根误差（MSE）
snr = 10 * log10(sum(ecg_signal.^2) / sum((ecg_signal - denoised_signal).^2));
mse = mean((ecg_signal - denoised_signal).^2);

fprintf('信噪比 (SNR): %.2f dB\n', snr);
fprintf('均方根误差 (MSE): %.4f\n', mse);

总结

通过上述 MATLAB 代码，可以有效地对心电信号进行去噪处理。小波阈值去噪方法能够较好地去除心电信号中的噪声，同时保留信号的特征信息。

参考代码 基于Matlab的心电信号去噪 youwenfan.com/contentcnc/97653.html