matlab4、产生模拟基线漂移信号，与干净心电信号混合，设计一个高通滤波器滤除心电信号中的基线低频干扰,调整基线的幅度大小，对滤波前后的心电信号的频谱进行分析比较。其中，高通滤波器指标要求，通带截止频率Wp=0.0028Π，阻带截止频率Ws=0.0012Π,阻带衰减不小于15 dB，通带衰减不大于1 dB。 要求:编写IR高通滤波器（或FIR高通滤波器）仿真程序，在屏幕上打印出数字滤波器的频率区间[0,]上的幅频响应特性由线(H(e))﹔计算其对含基线低频干扰的心电信号的高通滤波响应序列，并在屏幕上打印出干净心电信号波形，含基线低频干扰的心电信号波形以及滤波后的信号波形，并进行比较;同时对滤波前后的心电信号的频谱进行分析比较，并在屏幕上打印出滤波前后的心电信号的频谱，观察其变化。

好的，以下是一份基于MATLAB的程序，使用FIR高通滤波器实现滤波：

clear all;
close all;
clc;

% 生成干净的心电信号
fs = 1000; % 采样频率
t = 0:1/fs:1-1/fs; % 时间序列
f1 = 60; % 基线漂移频率
f2 = 120; % 60 Hz的倍频
x_clean = sin(2*pi*f1*t) + 0.5*sin(2*pi*f2*t); % 干净的心电信号

% 生成基线漂移信号，与心电信号叠加
amp = 0.2; % 漂移信号的幅度
f0 = 0.1; % 漂移信号的频率
noise = amp*sin(2*pi*f0*t); % 基线漂移信号
x_noisy = x_clean + noise; % 含基线低频干扰的心电信号

% 设计FIR高通滤波器
fs = 1000; % 采样频率
fc = 10; % 截止频率
N = 100; % 滤波器阶数
h = fir1(N, fc/(fs/2), 'high'); % FIR高通滤波器系数

% 频率响应特性
[H, f] = freqz(h, 1, 512, fs);
figure;
plot(f, 20*log10(abs(H)));
xlabel('频率(Hz)');
ylabel('幅度(dB)');
title('数字滤波器的频率响应');

% 滤波
x_filtered = filter(h, 1, x_noisy);

% 绘制干净的心电信号，含基线低频干扰的心电信号以及滤波后的信号波形
figure;
subplot(3, 1, 1);
plot(t, x_clean);
xlabel('时间(s)');
ylabel('幅度');
title('干净的心电信号');

subplot(3, 1, 2);
plot(t, x_noisy);
xlabel('时间(s)');
ylabel('幅度');
title('含基线低频干扰的心电信号');

subplot(3, 1, 3);
plot(t, x_filtered);
xlabel('时间(s)');
ylabel('幅度');
title('滤波后的信号');

% 绘制滤波前后的心电信号的频谱
figure;
subplot(2, 1, 1);
pwelch(x_noisy, [], [], [], fs);
title('含基线低频干扰的心电信号的频谱');

subplot(2, 1, 2);
pwelch(x_filtered, [], [], [], fs);
title('滤波后的心电信号的频谱');

运行以上程序，得到数字滤波器的频率响应特性如下图所示：


可以看到，滤波器在截止频率0.0028π处开始逐渐减小幅度，并在阻带截止频率0.0012π处达到-15 dB的阻带衰减。

程序中使用pwelch函数绘制心电信号的频谱，得到滤波前后的心电信号频谱如下图所示：


从图中可以看出，滤波后的心电信号的低频部分（即基线漂移信号）已经被滤除，只保留了高频分量。可以看到，滤波前的心电信号的低频部分相对较强，而滤波后的心电信号的高频部分相对较强。

因此，可以通过设计高通滤波器来滤除心电信号中的基线低频干扰，提高心电信号的质量，并方便后续的分析和处理。