【PPG信号过滤】光电体积描记图PPG信号噪声过滤附Matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

光电容积脉搏波描记图 (Photoplethysmography, PPG) 作为一种非侵入式、便捷且成本低廉的生理信号采集技术，广泛应用于心率监测、血氧饱和度测量以及其他生理参数的评估。然而，PPG信号易受多种噪声干扰，例如运动伪影、基线漂移、电源干扰以及肌电噪声等，这些噪声的存在严重影响了PPG信号的准确性和可靠性，进而限制了其在临床诊断和健康监测中的应用。因此，对PPG信号进行有效的噪声过滤至关重要。本文将对PPG信号噪声及其过滤方法进行综述，重点讨论各种滤波算法的原理、优缺点以及适用场景。

PPG信号的噪声来源多种多样，可以大致分为以下几类：

1. 运动伪影 (Motion Artifacts): 这是PPG信号中最常见的噪声来源之一。人体运动，例如肢体摆动、呼吸以及肌肉收缩，都会引起传感器位置变化，导致光路改变，从而在PPG信号中引入高频噪声成分。运动伪影的幅度和频率都可能变化很大，使得其过滤较为困难。

2. 基线漂移 (Baseline Wander): 基线漂移是指PPG信号基线的缓慢漂移，通常由传感器与皮肤接触不良、体温变化、以及血液循环系统缓慢变化等因素引起。基线漂移表现为低频噪声，会掩盖PPG信号中的真实波形信息。

3. 电源干扰 (Power Line Interference): 电源干扰通常表现为50Hz或60Hz的周期性噪声，来源于周围环境中的电力设备。这种噪声会叠加在PPG信号上，影响信号的准确性。

4. 肌电噪声 (Electromyographic Noise, EMG): 肌肉收缩会产生肌电信号，这些信号可能会通过电磁耦合或传导耦合的方式干扰PPG信号，尤其是在肢体活动频繁的情况下。

为了有效去除这些噪声，研究人员开发了各种信号处理技术。常用的PPG信号滤波方法可以分为以下几类：

1. 线性滤波: 线性滤波方法是信号处理中最常用的方法之一，包括：

• 有限脉冲响应滤波器 (Finite Impulse Response, FIR) : FIR滤波器具有线性相位特性，不会产生相位畸变，常用于去除高频噪声，例如运动伪影。然而，FIR滤波器阶数较高时计算量较大。

• 无限脉冲响应滤波器 (Infinite Impulse Response, IIR) : IIR滤波器相比FIR滤波器具有更高的效率，但可能产生相位畸变。IIR滤波器常用于去除低频噪声，例如基线漂移。 常用的IIR滤波器包括巴特沃斯滤波器、切比雪夫滤波器等。

• 小波变换 (Wavelet Transform): 小波变换能够将信号分解到不同的频率子带，从而实现对不同频率噪声的分离和去除。小波变换在去除高频噪声和基线漂移方面都具有较好的效果，并且能够保持信号的细节信息。 选择合适的小波基是应用小波变换的关键。

2. 非线性滤波: 线性滤波方法在处理非平稳信号时效果有限，非线性滤波方法则展现出优势：

• 中值滤波 (Median Filter): 中值滤波能够有效去除脉冲噪声和椒盐噪声，在去除运动伪影引起的尖峰噪声方面有一定效果，但会模糊信号细节。

• 形态学滤波 (Morphological Filter): 形态学滤波利用结构元素对信号进行处理，能够有效去除基线漂移和噪声尖峰。

• 经验模态分解 (Empirical Mode Decomposition, EMD): EMD能够将信号分解成一系列本征模态函数 (Intrinsic Mode Functions, IMFs)，每个IMF都包含不同频率成分的信号。通过选择合适的IMF，可以有效去除噪声。然而，EMD方法存在模态混叠的问题。

3. 自适应滤波: 自适应滤波方法能够根据信号的特性自适应地调整滤波器的参数，从而提高滤波效果。

• 卡尔曼滤波 (Kalman Filter): 卡尔曼滤波是一种递归的最小均方误差估计方法，能够有效去除基线漂移和随机噪声。

• 自适应噪声消除 (Adaptive Noise Cancellation, ANC): ANC方法利用参考信号来消除噪声，在去除特定类型的噪声，例如电源干扰方面效果显著。

选择合适的PPG信号过滤方法需要综合考虑噪声的类型、信号的特性以及计算复杂度等因素。 通常情况下，需要结合多种滤波方法来达到最佳的滤波效果。 例如，可以先使用小波变换去除高频噪声，再使用卡尔曼滤波去除基线漂移。 此外，合适的预处理步骤，例如信号的预增强和去趋势，也有助于提高滤波效果。

未来研究方向包括：开发更鲁棒、更有效的噪声消除算法，例如结合深度学习技术的智能滤波方法；针对不同类型的噪声，设计更特异的滤波器；以及开发更便捷的、无需人工干预的自动化滤波系统。只有不断改进PPG信号过滤技术，才能更好地发挥PPG信号在健康监测和临床诊断中的作用。

📣 部分代码

[red_signal, ir_signal] = synthesizeSignal(time);

[red_noisy, ir_noisy] = addNoise(red_signal, ir_signal, time);

window_size = 5;

med_window = 3;

red_prefilt = movmean(red_noisy, window_size);

ir_prefilt = movmean(ir_noisy, window_size);

red_prefilt = medfilt1(red_prefilt, med_window);

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🎁  私信完整代码和数据获取及论文数模仿真定制

🌿 往期回顾可以关注主页，点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇