用jupyter notebook 读入某个MIT-BIH心电数据，显示原始信号的频谱和波形

在Jupyter Notebook中读取MIT-BIH心电信号并展示其频谱和波形，通常需要几个步骤：

1. **导入必要的库**:
首先，你需要导入`numpy`, `matplotlib`, 和用于处理数据文件的库，如`pandas`或`pickle`，以及用于信号处理的库，如`scipy.signal`。

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import welch

2. **加载数据**:
如果数据是以`.csv`或其他表格形式存在，你可以使用`pandas.read_csv()`。如果是二进制文件，比如`.dat`，可能需要用特定的方式读取，例如`pickle`或`struct`.

if data_format == 'csv':
    df = pd.read_csv('mitbih_data.csv')
    ecg_signal = df['ECG Signal'].values
elif data_format == 'binary':
    with open('mitbih_data.dat', 'rb') as file:
        signal = pickle.load(file)
    ecg_signal = signal['ecg']

3. **预处理信号**:
根据数据质量可能需要平滑、滤波等操作。可以使用`filtfilt`函数进行无损滤波。

ecg_signal = scipy.signal.filtfilt(butterworth_filter, 1, ecg_signal)

4. **计算频谱**:
使用`welch`函数从信号中获取频谱分析。

fs = df['Sampling Frequency'][0]  # 获取采样率
frequencies, spectrum = welch(ecg_signal, fs=fs, nperseg=len(ecg_signal)/5)  # 分段长度一般取信号长的一小部分

5. **绘制波形和频谱图**:
最后，用`matplotlib`绘制波形图和频谱图。

plt.figure(figsize=(12, 6))
plt.subplot(2, 1, 1)
plt.plot(ecg_signal)
plt.title('ECG Waveform')

plt.subplot(2, 1, 2)
plt.plot(frequencies, spectrum)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')
plt.title('ECG Power Spectrum')
plt.tight_layout()
plt.show()