MATLAB, ¿Cómo filtrar una señal discreta?

Tengo una matriz de dobles de 1 por 10000 almacenada en un archivo llamado "fecg.mat". La matriz representa la magnitud de una señal FECG grabada.

Lo he trazado contra el tiempo (de 0 a 9999):

Para eliminar la línea de base, me pregunto si puedo usar un filtro de paso alto. ¿Cómo diseño un filtro adecuado?

PD El procesamiento de señales no es mi campo de estudio. No tengo idea de cómo filtrar una señal de dominio de tiempo discreta.

La forma más fácil de eliminar la línea de base es eliminar el promedio:

filtered = original - mean(original);

En realidad, el promedio es el primer coeficiente de la transformada de Fourier, por lo que en realidad es un filtrado muy agudo: está eliminando el coeficiente DC.

Si desea un filtrado más clásico, verifique las funciones como buttery amigos, que sintetizarán un filtro IIR, luego use filterpara filtrar su señal.

Matlab también incluye una herramienta de diseño de filtros.

MATLAB tiene una herramienta de diseño de filtros llamada fdatool. Ejecute fdatool en MATLAB, le ofrece una GUI visual, en la que puede cambiar los parámetros del filtro. Elija un filtro de paso alto desde allí y elija una frecuencia cut0ff. cuando esté satisfecho con la forma del filtro, expórtelo al espacio de trabajo de MATLAB. Digamos que su nombre de filtro es myFilter y su nombre de señal es mySignal. Luego, para filtrar la señal en MATLAB, escriba: filterSignal = conv (mySignal, myFilter).

Si conoce el contenido de frecuencia de la señal deseada, puede pasar un poco por debajo de esa frecuencia. Digamos que solo le interesa la señal por encima de 2 Hz y su frecuencia de muestreo es de 100 Hz, entonces puede hacer esto de la siguiente manera:

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

Este es un ejemplo específico que utiliza un paso alto de mantequilla de tercer orden.

Qué filtro usar realmente depende de la aplicación específica. - ¡Un filtro demasiado áspero podría eliminar la información que está buscando!

El algoritmo Pan-Tompkins ampliamente utilizado (para la detección de QRS) especifica un filtro para la eliminación de la línea base en los datos de ECG. Pero es difícil determinar si este filtro es adecuado para su aplicación a partir de la información limitada que proporcionó. Por favor, elabore una respuesta más precisa.

Te sugiero que uses un filtro adaptativo para eliminar el ruido de referencia de 50Hz. un filtro adaptativo lms estaría bien:

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');