fft检测工频干扰

下面是一段用于检测工频干扰的代码，其中主要使用了FFT快速傅里叶变换来分析频谱：

% 读取心电信号数据（假设数据已经存储在变量x中）

% 设置采样频率
fs = 1000;

% 计算信号长度
n = length(x);

% 计算FFT频率向量
f = (0:n/2-1) * fs / n;

% 计算FFT幅值谱
Y = fft(x);
P2 = abs(Y/n);
P1 = P2(1:n/2+1);
P1(2:end-1) = 2*P1(2:end-1);

% 找到工频干扰的频率范围
f_min = 49.5; % 工频频率下限
f_max = 50.5; % 工频频率上限
f_range = find(f >= f_min & f <= f_max);

% 计算工频干扰的平均幅值
mean_P1 = mean(P1(f_range));

% 计算工频干扰的标准差
std_P1 = std(P1(f_range));

% 判断是否存在工频干扰
if mean_P1 > 3 * std_P1
    disp('存在工频干扰！');
else
    disp('不存在工频干扰。');
end

% 画出信号的时域图和频域图
figure
subplot(2,1,1)
plot((1:length(x))/fs,x)
xlabel('Time (s)')
ylabel('Amplitude')
title('ECG Signal')

subplot(2,1,2)
plot(f,P1)
xlabel('Frequency (Hz)')
ylabel('Amplitude')
title('FFT Spectrum')

这段代码首先读取心电信号数据，然后使用FFT计算信号的频谱。接着，根据工频的频率范围计算出工频干扰的平均幅值和标准差，并判断是否存在工频干扰。最后，将信号的时域图和频域图画出来，以便于观察信号的特征。

需要注意的是，这段代码仅仅是一种简单的工频干扰检测方法，实际应用中还需要根据具体情况进行调整和优化。例如，可以通过滤波等方法进一步降低工频干扰的影响，提高信号的质量和可靠性。