MATLAB, Como filtrar um sinal discreto?

Eu tenho uma matriz de 1 por 10000 de double`s armazenada em um arquivo chamado "fecg.mat". A matriz representa a magnitude de um sinal FECG gravado.

Eu plotei contra o tempo (de 0 a 9999):

Para remover a linha de base, pergunto-me se posso usar um filtro passa-alto. Como faço para criar um filtro adequado?

O processamento de sinais PS não é o meu campo de estudo. Não faço ideia de como filtrar um sinal discreto no domínio do tempo.

A maneira mais fácil de remover a linha de base é remover a média:

filtered = original - mean(original);

Na verdade, a média é o primeiro coeficiente da transformada de Fourier, portanto, é realmente uma filtragem muito nítida: você está eliminando o coeficiente de CC.

Se você quiser uma filtragem mais clássica, verifique as funções como buttere amigos, que sintetizarão um filtro IIR e, em seguida, use filterpara filtrar seu sinal.

O Matlab também inclui uma ferramenta de design de filtro.

O MATLAB possui uma ferramenta de design de filtro chamada fdatool. Execute o fdatool no MATLAB, ele fornece uma GUI visual, na qual você pode alterar os parâmetros do filtro. Escolha um filtro passa-alto a partir daí e escolha uma frequência de corte0ff. Quando estiver satisfeito com a forma do filtro, exporte-o para a área de trabalho do MATLAB. Digamos que seu nome de filtro seja myFilter e seu nome de sinal seja mySignal. Em seguida, para filtrar o sinal no tipo MATLAB: filterSignal = conv (mySignal, myFilter).

Se você conhece o conteúdo da frequência do sinal desejado, pode passar alto um pouco abaixo dessa frequência. Digamos que você tenha interesse apenas no sinal acima de 2 Hz e a taxa de amostragem seja de 100 Hz, então você pode fazer o seguinte:

[b,a] = butter(3,2/(100/2),'high');
outputData = filter(b,a,inputData);

Este é um exemplo específico que usa um highpass de manteiga de 3ª ordem.

Qual filtro usar depende realmente do aplicativo específico. - Um filtro muito áspero pode remover as informações que você está procurando!

O algoritmo Pan-Tompkins amplamente utilizado (para detecção de QRS) especifica um filtro para a remoção da linha de base nos dados do ECG. Mas é difícil determinar se esse filtro é adequado para o seu aplicativo a partir das informações limitadas que você forneceu. Por favor, elabore uma resposta mais precisa.

Eu sugiro que você use um filtro adaptável para remover o ruído da linha de base de 50Hz. um filtro adaptativo lms funcionaria perfeitamente:

xk = sin(2*pi*50*t1);
dk = ecg1; 
bk = [0 0 0];                       %Gewichteter Vektor (FIR Koefizienten mit Anfangswert 0)
                                    %Die Werte ändern sich ständig bis sich
                                    %das System adaptiert hat

mu = .1;                            %Konvergenzgeschwindigkeit des Algorithmes.
                                    %( 0 < mu < 1/(20*(L+1)*Potenz_xk); L Filterorder)                                
Pot_x=mean(xk.*xk);
%mu=1/(100*(L+1)*Pot_x);            % Konvergenzgeschwindigkeit des Algorithmus.
                                    % Bei den Prädiktiven Adaptiven filter
                                    % gilt die Potenz nicht




yk=zeros(size(xk));                 % Ausgangssignal zum Zeitpunkt t=0 von der FIR.
ek=zeros(size(xk));                 % Fehlersignal zum ZEitpunkt t=0.

%Algorithmus für FIR Adaptiven Filter:
for n = 3:(punkte - 1)                          %Arranca en 3 porque tiene que almacenar las dos muestras anteriores y la actual (FIR de 2 coeficientes)
    xkn = [xk( n ) xk( n - 1 ) xk( n - 2 )];    %Vector niésimo (2 posiciones porque son dos coeficientes).
    yk(n) = xkn * bk';                          %Resultado parcial de la salida por el vector bk traspuesto.
    ek(n) = dk(n) - yk(n);                      %Señal de error parcial.
    bk = bk + 2*mu*ek(n)*xkn;                   %Actualización instante a instante del vector de pesos.  
end                                             %Ende des adaptiven Algorithmes.

Eje1 = figure(1);
set(Eje1,'name','Übung 1: FIR Adaptive Filter','position',[10 10 900 650]);
subplot( 2, 1, 1 );
plot( t1, xk, 'r');
xlabel('n');
ylabel('EKG mit Rauschen');
title('Eingangssignal: Bewegungsartifakt zu filtern');
subplot( 2, 1, 2 );
plot( t1, ek, '-k');
xlabel('n');
ylabel('d[k] - y[k]');
title('Ausgangssignal: EKG ohne Rauschen');