MATLAB基线检测

### MATLAB中实现基线检测

#### 经验模态分解法
在MATLAB平台下，可以利用经验模态分解（EMD）的方法处理基线漂移问题。这种方法通过自适应地将复杂信号分解成若干个固有模式函数(IMF)，从而有效地分离出低频成分即基线漂移部分[^1]。

% 加载心电图数据
load('ecg_signal.mat'); % 假定文件名为 ecg_signal.mat
t = (1:length(ecg))/Fs; % 时间向量 Fs 是采样频率

% 使用 EMD 函数进行分解
imf = emd(ecg);

% 提取出前几个 IMF 作为基线估计
baseline_estimate = sum(imf(1:3,:), 1); 

figure;
plot(t, baseline_estimate);
title('Estimated Baseline using EMD');
xlabel('Time(s)');
ylabel('Amplitude');

#### 中值滤波器法
另一种常用的技术是在MATLAB里实施中值滤波算法来纠正基线偏移。此方法适用于当噪声表现为尖峰形式时特别有效；对于缓慢变化的趋势，则可能需要更宽泛的窗口尺寸以捕捉整个趋势特征[^2]。

windowSize = 201; % 定义滑动窗口大小 M=100
filteredSignal = medfilt1(ecg, windowSize);

figure;
subplot(2,1,1), plot(ecg); title('Original Signal')
subplot(2,1,2), plot(filteredSignal); title(['Filtered with Window Size ', num2str(windowSize)])

#### 数学形态学操作结合巴特沃斯滤波器
为了进一步改善结果，在上述基础上还可以引入数学形态学的操作——开闭运算以及腐蚀膨胀过程，并配合巴特沃斯带通/低通滤波器去除特定范围内的干扰频率分量，比如接近直流水平附近的波动[^3]。

se = strel('disk', 5); % 创建圆形结构元素用于形态变换
openedSignal = imopen(uint8(abs(hilbert(ecg))), se);
closedSignal = imclose(openedSignal, se);

[b,a]=butter(4,[0.1/(Fs/2)],'low'); % 设计四阶巴特沃思低通滤波器
finalOutput=filtfilt(b,a,double(closedSignal));

figure;
subplot(3,1,1), imshow(mat2gray(double(openedSignal))); title('Opened Image')
subplot(3,1,2), imshow(mat2gray(double(closedSignal))); title('Closed Image after Opening')
subplot(3,1,3), plot(finalOutput); title('Final Output After Filtering')