心电信号ECG去噪：Matlab低通滤波与小波分解结合的奇妙之旅

最新推荐文章于 2026-08-19 14:24:02 发布

原创最新推荐文章于 2026-08-19 14:24:02 发布 · 421 阅读

本内容遵循CC 4.0 BY-SA版权协议

心电信号ECG去噪，Matlab使用低通滤波和小波分解结合。显示时域和频域波形能去基线漂移、去肌电干扰、去工频干扰带操作界面有使用操作视频

在生物医学信号处理领域，心电信号（ECG）的准确分析至关重要。然而，ECG信号常常受到基线漂移、肌电干扰和工频干扰的影响，这就需要有效的去噪方法。今天咱们就来讲讲如何利用Matlab，通过低通滤波和小波分解相结合的方式来实现ECG信号去噪，并且还能显示时域和频域波形，同时打造一个带操作界面的实用工具，最后再附上使用操作视频，让大家轻松上手。

一、低通滤波与小波分解的原理

低通滤波：低通滤波器允许低频信号通过，而阻止高频信号。在ECG信号中，基线漂移属于低频成分，肌电干扰和工频干扰相对为高频成分。通过合适的低通滤波器，可以有效抑制高频噪声，保留ECG信号的主要特征。比如在Matlab中，我们可以使用 butter 函数设计巴特沃斯低通滤波器。

% 设计巴特沃斯低通滤波器
fs = 1000; % 采样频率
fc = 40; % 截止频率
[n, Wn] = butter(5, fc/(fs/2)); % 5阶巴特沃斯低通滤波器

这里我们设置采样频率 fs 为1000Hz，截止频率 fc 为40Hz，设计了一个5阶的巴特沃斯低通滤波器。butter 函数返回滤波器的阶数 n 和归一化截止频率 Wn。

小波分解：小波分解能够将信号分解到不同的频率子带中，通过对不同子带系数的处理，可以去除噪声。具体来说，我们可以对ECG信号进行多层小波分解，然后根据噪声和信号在不同子带的分布特点，对系数进行阈值处理，再重构信号。

% 小波分解与重构
load('ecg.dat'); % 加载ECG数据
ecg_signal = ecg;
[c, l] = wavedec(ecg_signal, 5, 'db4'); % 5层小波分解，使用db4小波
thr = wthrmngr('dw1ddenoLVL', c, l, 'heursure', 'one', 'level', 5); % 计算阈值
s = wthresh(c, 'h', thr); % 硬阈值处理
ecg_denoised = waverec(s, l, 'db4'); % 小波重构

在这段代码中，我们先加载了ECG数据，然后使用 wavedec 函数进行5层小波分解，采用 db4 小波。接着通过 wthrmngr 函数计算阈值，使用硬阈值处理方式 wthresh 对分解系数进行处理，最后利用 waverec 函数进行小波重构得到去噪后的信号。

二、显示时域和频域波形

Matlab强大的绘图功能可以帮助我们直观地展示ECG信号在去噪前后的时域和频域特性。

% 时域波形显示
figure;
subplot(2,1,1);
plot(ecg_signal);
title('原始ECG信号时域波形');
xlabel('时间点');
ylabel('幅值');
subplot(2,1,2);
plot(ecg_denoised);
title('去噪后ECG信号时域波形');
xlabel('时间点');
ylabel('幅值');

% 频域波形显示
ecg_fft = abs(fft(ecg_signal));
ecg_denoised_fft = abs(fft(ecg_denoised));
f = (0:length(ecg_fft)-1)*(fs/length(ecg_fft));
figure;
subplot(2,1,1);
plot(f, ecg_fft);
title('原始ECG信号频域波形');
xlabel('频率 (Hz)');
ylabel('幅值');
subplot(2,1,2);
plot(f, ecg_denoised_fft);
title('去噪后ECG信号频域波形');
xlabel('频率 (Hz)');
ylabel('幅值');

这段代码通过 plot 函数绘制了原始ECG信号和去噪后ECG信号的时域波形，并且利用 fft 函数计算傅里叶变换，绘制出频域波形。这样我们就可以清晰地看到去噪前后信号在时域和频域上的变化。

三、带操作界面

为了让这个去噪工具更加易用，我们可以利用Matlab的GUIDE工具来创建一个操作界面。在GUIDE界面设计窗口中，我们可以添加按钮、文本框、绘图区域等控件。

例如，我们添加一个“加载ECG数据”按钮，在其回调函数中添加如下代码：

function load_ecg_Callback(hObject, eventdata, handles)
    [filename, pathname] = uigetfile('*.dat', '选择ECG数据文件');
    if ~isequal(filename,0)
        fullpath = fullfile(pathname, filename);
        load(fullpath);
        ecg_signal = ecg;
        handles.ecg_signal = ecg_signal;
        guidata(hObject, handles);
        axes(handles.axes1);
        plot(ecg_signal);
        title('原始ECG信号时域波形');
        xlabel('时间点');
        ylabel('幅值');
    end
end

这段代码实现了通过点击按钮选择ECG数据文件并在界面上显示原始信号时域波形的功能。同样，我们可以为“去噪”按钮等添加相应的回调函数，实现完整的去噪流程并在界面上显示结果。