可穿戴个人健康监护系统被广泛认为是下一代健康监护技术的核心解决方案。监护设备不断地感知、获取、分析和存储大量人体在日常活动中的生理数据，为人体的健康状况提供必要的、准确的、集成的和长期的评估和反馈。在心电监测领域，可穿戴传感器具有以下应用优势:(1)数据通过无线电波进行传输，免除了复杂的连线。(2)在不影响人体运动状态的前提下长时间的采集人体日常心电数据，实时的传输至监护终端进行分析处理。

ECG(electrocardiogram)是人体心脏有规律活动产生的生物电信号。通过对ECG信号的检测分析可以对人体心脏疾病进行早期诊断和跟踪治疗。ECG信号中的噪声主要包括基线漂移、直流偏移、工频噪声、ECG电极片与人体接触产生的阻抗容抗变化，以及运动伪影。其中，基线漂移和运动伪影是对ECG信号检测影响最大的噪声，在大强度运动情况下，ECG信号的QRS波形完全淹没在运动伪影中，给信号的检测和分析带来巨大的困难。

小波变换是傅立叶分析的新发展和重大突破，具有丰富的数学内容和应用价值，特别是在信号处理、图像处理、模式识别以及生物医学信号处理等领域有显著的突破。从生物医学信号本身的特征及一些研究表明，小波变换在生物医学信号处理领域应用潜力非常巨大。选择适当的基本可使小波在时、频两域都具有表征信号局部特性的能力。小波变换提供了一个在时、频平面上可调的分析窗口，该分析窗口在信号高频段的频率分辨率不好，而时域分辨率变好；反之在信号低频段，频率分辨率变好，而时域分辨率变差。小波滤除噪声的本质在于小波变换对信号和噪声的瞬时特性的结果表现不一样，我们可以在小波域对信号和噪声进行区分，以达到去噪的目的。

鉴于此，提出一种基于离散小波变换(DWT)的心电信号伪影去除及心电信号PQRST波检测方法，运行环境为MATLAB R2018A，部分代码如下：

clear all
close all
clc

Fs = 360; % Sampling Frequency
Fnotch = 0.67; % Notch Frequency
BW = 5; % Bandwidth
Apass = 1; % Bandwidth Attenuation
[b, a] = iirnotch (Fnotch/ (Fs/2), BW/(Fs/2), Apass);
Hd = dfilt.df2 (b, a);

load ('100m.mat');
ecgsig = val/200;
t = 0:length(ecgsig)-1;
tx = t./Fs;

subplot (4, 1, 1), plot(tx,ecgsig), title ('ECG Signal with baseline wander'), grid on
y0=filter (Hd, ecgsig);
subplot (4, 1, 2), plot(tx,y0), title ('ECG signal with low-frequency noise (baseline wander) Removed'), grid on

出图如下：

完整代码：MATLAB环境下基于离散小波变换的心电信号伪影去除及PQRST波检测

工学博士，担任《Mechanical System and Signal Processing》审稿专家，担任《中国电机工程学报》优秀审稿专家，《控制与决策》，《系统工程与电子技术》，《电力系统保护与控制》，《宇航学报》等EI期刊审稿专家。

擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。