对心音信号提取plp特征，请写出完整代码

对心电信号（ECG）进行PLP（Perceptual Linear Prediction）特征提取通常用于生物信号处理领域，特别是在心跳分类或分析任务中。PLP是一种模拟人耳感知特性的线性预测算法。以下是使用Python的librosa库进行ECG PLP特征提取的一个简化示例：

import numpy as np
from scipy.signal import butter, lfilter, welch
from librosa.feature import plp

# 假设你已经有了ecg_signal是一个numpy数组，代表心电图数据
def extract_plp_features(ecg_signal, fs=500):  # fs代表采样率
    nyquist_freq = 0.5 * fs
    lowcut, highcut = 1, 40  # 频带范围，一般选择低频部分提取PLP

    # 设计滤波器
    b, a = butter(2, [lowcut / nyquist_freq, highcut / nyquist_freq], btype='band')
    filtered_ecg = lfilter(b, a, ecg_signal)

    # 使用Welch's方法计算功率谱密度 (PSD)
    _, psd = welch(filtered_ecg, fs=fs, nperseg=1024, noverlap=512)

    # 计算PLP系数
    coefficients = plp(psd, nfilt=26)  # 通常选择26个滤波器
    return coefficients

# 示例用法
plp_features = extract_plp_features(ecg_signal)

注意这只是一个简化的例子，实际应用中你可能需要调整滤波器设计、窗口大小等参数以获得更好的性能。另外，`extract_plp_features`函数返回的是PLP系数的数组，你可以将其作为输入到后续的机器学习模型中。