【ECG心电信号】基于HHTransform分析心电图信号附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。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

心电图（ECG）信号是反映心脏电活动的无创生理信号，其波形包含P 波（心房去极化）、QRS 波群（心室去极化）、T 波（心室复极化） 等关键成分，是诊断心律失常（如房颤、室性早搏）、心肌缺血、传导阻滞等心血管疾病的核心依据。临床分析中，ECG 信号需满足三大核心需求：

1. 噪声精准分离：ECG 信号易受肌电干扰（高频）、工频噪声（50/60Hz）、基线漂移（低频）污染，需有效剔除噪声且保留有用波形细节；

1. 关键波群定位：准确识别 P 波起点 / 终点、QRS 波群峰值 / 宽度、T 波极性，为计算心率（HR）、P-R 间期、Q-T 间期等临床指标提供基础；

1. 异常实时检测：对动态 ECG（如 24 小时 Holter 监测）中的心律失常事件快速响应，避免漏检 / 误检。

当前主流分析方法存在显著短板：

1. 傅里叶变换（FT）：仅适用于平稳信号，无法捕捉 ECG 信号的时变特征（如心率波动时 QRS 波间隔变化），且时频分辨率存在 “不确定性原理” 限制；

1. 小波变换（WT）：依赖预设基函数选择，对 ECG 中不同频率成分（P 波：0.5-2Hz，QRS 波：5-30Hz，T 波：0.5-8Hz）的适配性不均，低频基线漂移与 T 波易混淆；

1. 传统阈值法：对噪声敏感，QRS 波检测易受肌电干扰误判，房颤等心律失常时因波形紊乱导致特征提取失效。

针对上述问题，本文提出基于 HHT 的 ECG 信号全流程分析方案：利用 HHT“无基函数依赖、自适应时频分析、非线性非平稳信号适配性强” 的优势，通过 “经验模态分解（EMD）- 噪声分离”“Hilbert 谱分析 - 特征提取”“瞬时参数阈值 - 异常检测” 三级模块，实现 ECG 信号的高精度分析，且核心改进点（如自适应 IMF 筛选、瞬时频率聚类）为未发表的原创设计。

⛳️ 运行结果

📣 部分代码

[filename, pathname] = uigetfile('*.dat', 'Open file .dat');

if isequal(filename, 0) || isequal(pathname, 0)   

    disp('File input canceled.');  

   ECG_Data = [];  

else

fid=fopen(strcat(pathname,filename),'r');

end;

time=10;  % duration of ecg signal

fs = 360; %sample frequency

f=fread(fid,2*fs*time,'ubit12');

len = length(f(1:2:length(f))); %length of the signal

time_step = 1/fs; 

max_time = len/fs; % duration of your signal in seconds depending on sampling rate

t = time_step:time_step:max_time;  % this is our time vector.

Orig_Sig=f(1:2:length(f)); %compute the clean ecg signal

figure();

plot(t,Orig_Sig)

[imf,residual,info] = emd(Orig_Sig/1000);

emd(Orig_Sig)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

figure();hold on;

stft(Orig_Sig,360)

plot(t,Orig_Sig-1000,'r');

hold off

grid on;

box on;

x=Orig_Sig;

figure()

cwt(x,fs);hold on;

plot(t,50*x,'k');hold off;

grid on;

box on;

figure()

wvd(x,fs,'SmoothedPseudo','MinThreshold',0);ylim([0,50]);hold on;

plot(t,10*x,'k');hold off;

grid on;

box on;

%%

%decreasing IMFs 

[imf,residual,info] = emd(Orig_Sig/1000,'MaxNumIMF',8,'Display',1);

emd(Orig_Sig,'MaxNumIMF',8)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'MaxNumIMF',7,'Display',1);

emd(Orig_Sig,'MaxNumIMF',7)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'MaxNumIMF',6,'Display',1);

emd(Orig_Sig,'MaxNumIMF',6)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'MaxNumIMF',5,'Display',1);

emd(Orig_Sig,'MaxNumIMF',5)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'MaxNumIMF',4,'Display',1);

emd(Orig_Sig,'MaxNumIMF',4)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'MaxNumIMF',3,'Display',1);

emd(Orig_Sig,'MaxNumIMF',3)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

%%

% Changing Interpolation to Pchip

[imf,residual,info] = emd(Orig_Sig/1000,'Interpolation','pchip');

emd(Orig_Sig,'Interpolation','pchip')

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

%%

%SiftTolerance

[imf,residual,info] = emd(Orig_Sig/1000,'SiftRelativeTolerance',0.1,'Display',1);

emd(Orig_Sig,'Interpolation','pchip','SiftRelativeTolerance',0.1)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'SiftRelativeTolerance',0.01,'Display',1);

emd(Orig_Sig,'SiftRelativeTolerance',0.01)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

[imf,residual,info] = emd(Orig_Sig/1000,'SiftRelativeTolerance',0.001,'Display',1,'MaxNumIMF',100);

emd(Orig_Sig,'SiftRelativeTolerance',0.001)

figure();

hht(imf,360);hold on;plot(t,Orig_Sig/25,'k');hold off

grid on;

box on;

%%

🔗 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 

🏆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、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 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、公交车时间调度、水库调度优化、多式联运优化

🌟 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、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化电力系统核心问题经济调度：机组组合、最优潮流、安全约束优化。新能源消纳：风光储协同规划、弃风弃光率量化、爬坡速率约束建模多能耦合系统：电-气-热联合调度、P2G与储能容量配置新型电力系统关键技术灵活性资源：虚拟电厂、需求响应、V2G车网互动、分布式储能优化稳定与控制：惯量支撑策略、低频振荡抑制、黑启动预案设计低碳转型：碳捕集电厂建模、绿氢制备经济性分析、LCOE度电成本核算风光出力预测：LSTM/Transformer时序预测、预测误差场景生成（GAN/蒙特卡洛）不确定性优化：鲁棒优化、随机规划、机会约束建模能源流分析、PSASP复杂电网建模，经济调度，算法优化改进，模型优化，潮流分析，鲁棒优化，创新点，文献复现微电网配电网规划，运行调度，综合能源，混合储能容量配置，平抑风电波动，多目标优化，静态交通流量分配，阶梯碳交易，分段线性化，光伏混合储能VSG并网运行，构网型变流器， 虚拟同步机等包括混合储能HESS：蓄电池+超级电容器，电压补偿,削峰填谷，一次调频，功率指令跟随，光伏储能参与一次调频，功率平抑，直流母线电压控制；MPPT最大功率跟踪控制，构网型储能，光伏，微电网调度优化，新能源，虚拟同同步机，VSG并网，小信号模型

🌟 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

👇

5 往期回顾扫扫下方二维码