读取MIT-BIH心电信号matlab代码

以下是读取MIT-BIH心电信号的MATLAB代码示例：

% 设置文件路径和名称
filename = '100.mat'; 

% 读取MAT文件
load(filename);

% 获取信号数据和采样率
signal = val(:,1); % 取第一列作为信号数据
Fs = 360; % 采样率为360Hz

% 绘制心电信号波形
t = (0:length(signal)-1)/Fs;
figure;
plot(t, signal);
xlabel('Time (s)');
ylabel('Amplitude');
title('ECG Signal');

请注意，此代码假定您已经将MIT-BIH数据集中的.mat文件下载到您的计算机并将其放在了当前MATLAB工作目录中。另外，您可能需要调整文件名以匹配您选择的文件。

相关问题

详细写一下MATLAB对下载了MIT-BIH心电信号一组.mat文件预处理的代码

好的，下面是MATLAB对下载了MIT-BIH心电信号一组.mat文件预处理的代码，主要包括数据读取、预处理和特征提取等步骤：

% 1. 数据读取
load('mitdb_100.mat'); % 加载一组心电信号数据和注释数据
fs = 360; % 采样频率为360Hz
ecg_signal = ecg_signal - mean(ecg_signal); % 去除直流分量

% 2. 预处理
% 2.1 滤波
[b, a] = butter(2, [0.5 35]/(fs/2), 'bandpass'); % 2阶带通滤波器
ecg_signal = filtfilt(b, a, ecg_signal); % 双向滤波

% 2.2 去噪
[~, ecg_signal] = denoise_ecg(ecg_signal, fs); % 使用ECG-Denoising工具箱中的函数进行去噪

% 2.3 降采样
down_fs = 125; % 降采样后的采样频率为125Hz
ecg_signal = resample(ecg_signal, down_fs, fs); % 降采样

% 3. 特征提取
% 3.1 R峰检测
[qrs_amp_raw,qrs_i_raw,delay]=pan_tompkin(ecg_signal,down_fs,0);

% 3.2 心率计算
rr_interval = diff(qrs_i_raw) / down_fs; % 计算相邻R峰之间的RR间期
hr = 60 ./ rr_interval; % 计算心率

% 3.3 特征提取
% 可以从RR间期序列和心率序列中提取一些常用的心电信号特征，如平均值、标准差、变异性等

% 4. 数据可视化
figure;
t = (0:length(ecg_signal)-1) ./ down_fs; % 时间轴
subplot(2,1,1); plot(t, ecg_signal); ylabel('ECG'); xlim([0 max(t)]);
subplot(2,1,2); plot(qrs_i_raw./down_fs, ecg_signal(qrs_i_raw), 'ro'); ylabel('R波'); xlim([0 max(t)]);

figure;
t_hr = (1:length(hr)) ./ down_fs; % 时间轴
plot(t_hr, hr); xlabel('Time (s)'); ylabel('Heart rate (bpm)'); xlim([0 max(t_hr)]);

上述代码中，`mitdb_100.mat`文件是下载的一组MIT-BIH心电信号数据和注释数据，其中`ecg_signal`变量保存了心电信号数据。我们首先去除直流分量，然后使用2阶带通滤波器进行滤波，并使用ECG-Denoising工具箱中的函数进行去噪处理。接着，我们对信号进行了降采样，将采样频率降低到125Hz。然后，我们使用Pan-Tompkins算法进行R峰检测，并计算相邻R峰之间的RR间期，从而计算出心率。最后，我们可以从RR间期序列和心率序列中提取一些常用的心电信号特征，并将处理后的信号和特征进行可视化。

详细写一下MATLAB对下载了MIT-BIH心电信号20组.mat文件预处理的代码

好的，下面是MATLAB对下载了MIT-BIH心电信号20组.mat文件预处理的代码，主要包括数据读取、预处理和特征提取等步骤：

% 1. 数据读取
load('mitdb_20.mat'); % 加载20组心电信号数据和注释数据
fs = 360; % 采样频率为360Hz
ecg_signals = ecg_signals - mean(ecg_signals); % 去除直流分量

% 2. 预处理
% 2.1 滤波
[b, a] = butter(2, [0.5 35]/(fs/2), 'bandpass'); % 2阶带通滤波器
ecg_signals = filtfilt(b, a, ecg_signals); % 双向滤波

% 2.2 去噪
[~, ecg_signals] = denoise_ecg(ecg_signals, fs); % 使用ECG-Denoising工具箱中的函数进行去噪

% 2.3 降采样
down_fs = 125; % 降采样后的采样频率为125Hz
ecg_signals = resample(ecg_signals, down_fs, fs); % 降采样

% 3. 特征提取
% 3.1 R峰检测
[qrs_amp_raw,qrs_i_raw,delay]=pan_tompkin(ecg_signals,down_fs,0);

% 3.2 心率计算
rr_interval = diff(qrs_i_raw) / down_fs; % 计算相邻R峰之间的RR间期
hr = 60 ./ rr_interval; % 计算心率

% 3.3 特征提取
% 可以从RR间期序列和心率序列中提取一些常用的心电信号特征，如平均值、标准差、变异性等

% 4. 数据可视化
figure;
t = (0:length(ecg_signals)-1) ./ down_fs; % 时间轴
subplot(2,1,1); plot(t, ecg_signals); ylabel('ECG'); xlim([0 max(t)]);
subplot(2,1,2); plot(qrs_i_raw./down_fs, ecg_signals(qrs_i_raw), 'ro'); ylabel('R波'); xlim([0 max(t)]);

figure;
t_hr = (1:length(hr)) ./ down_fs; % 时间轴
plot(t_hr, hr); xlabel('Time (s)'); ylabel('Heart rate (bpm)'); xlim([0 max(t_hr)]);

上述代码中，`mitdb_20.mat`文件是下载的20组MIT-BIH心电信号数据和注释数据，其中`ecg_signals`变量保存了心电信号数据。我们首先去除直流分量，然后使用2阶带通滤波器进行滤波，并使用ECG-Denoising工具箱中的函数进行去噪处理。接着，我们对信号进行了降采样，将采样频率降低到125Hz。然后，我们使用Pan-Tompkins算法进行R峰检测，并计算相邻R峰之间的RR间期，从而计算出心率。最后，我们可以从RR间期序列和心率序列中提取一些常用的心电信号特征，并将处理后的信号和特征进行可视化。