python 去除基线漂移

基线漂移是心电信号中常见的一种噪声，可以通过不同的方法进行去除。以下是几种常用的方法：

1. 中值滤波：
中值滤波是一种非线性滤波方法，可以有效地去除基线漂移。它通过将信号中每个采样点的值替换为该点周围一定窗口大小内的中值来实现。在Python中，可以使用`scipy`库中的`medfilt`函数来实现中值滤波。

from scipy.signal import medfilt

# 假设ecg_signal是原始心电信号
filtered_signal = medfilt(ecg_signal, kernel_size)

2. FIR滤波：
FIR（Finite Impulse Response）滤波器是一种线性滤波器，可以通过设计一个合适的滤波器系数序列来去除基线漂移。在Python中，可以使用`scipy`库中的`firwin`函数来设计FIR滤波器，并使用`lfilter`函数来应用滤波器。

from scipy.signal import firwin, lfilter

# 设计FIR滤波器
filter_coeff = firwin(num_taps, cutoff_freq, fs=sample_rate)
# 应用滤波器
filtered_signal = lfilter(filter_coeff, 1, ecg_signal)

3. 巴特沃斯滤波：
巴特沃斯滤波器是一种常用的滤波器，可以通过设计滤波器的阶数和截止频率来去除基线漂移。在Python中，可以使用`scipy`库中的`butter`函数来设计巴特沃斯滤波器，并使用`lfilter`函数来应用滤波器。

from scipy.signal import butter, lfilter

# 设计巴特沃斯滤波器
filter_coeff = butter(filter_order, cutoff_freq, btype='highpass', fs=sample_rate)

# 应用滤波器
filtered_signal = lfilter(filter_coeff[0], filter_coeff[1], ecg_signal)

4. 小波滤波：
小波变换是一种时频分析方法，可以将信号分解为不同频率的子带，并对每个子带进行滤波。小波滤波可以有效地去除基线漂移。在Python中，可以使用`pywt`库来实现小波滤波。

import pywt

# 假设ecg_signal是原始心电信号
wavelet = 'db4'  # 选择小波基函数
level = 5  # 分解的层数

# 进行小波分解
coeffs = pywt.wavedec(ecg_signal, wavelet, level=level)

# 对每个子带进行滤波
filtered_coeffs = [pywt.threshold(c, threshold_value) for c in coeffs]

# 重构滤波后的信号
filtered_signal = pywt.waverec(filtered_coeffs, wavelet)