心电图论文

心电数据的处理与分析
摘要
心电图是反映了心脏电兴奋在心脏传导系统中产生和传导的过程的曲线图形。

心电数据作为心电图的组成元素，体现了生物体机能与健康状况。

首先通过研究心电数据绘制初步心电图，由心电图观测生物体的基本状况。

在一般情况下，各种心电数据都存在着不同程度的噪声影响，存在异常结构数据。

因此在分析数据时需要对心电时间序列进行除噪处理，其次对初级心电图进行滤波形成较准确心电图，分析心电图上的各种波形，结合医学理论分析所给生物体的健康状态。

同时就该心电图联系实际分析噪音对心电信号的影响，结合现状对心电数据的处理与分析方面提出实际意义。

关键字：心电数据；滤波；身体机能
Abstract
ECG reflects cardiac electrical excitability in the heart conduction system in the process of generation and transmission curve graphs. Electrocardiogram ECG data as an integral element, reflecting the function and health status of the organism. First drawn by studying the initial electrocardiogram ECG, electrocardiogram observed by the basic conditions of living organisms. In general, there is a variety of ECG data are different levels of noise, the presence of abnormal structure of the data. Therefore, the analysis of data requires time series of ECG denoising processing, followed by the formation of primary filtering electrocardiogram ECG accurately analyze a variety of ECG waveforms, combined with medical theory analysis to the health of organisms. At the same time on actual analysis of ECG contact the impact of noise on the ECG, with the status quo of ECG data processing and analysis with practical significance.
Keywords:ECG data,Filter;Bodily functions
目录
摘要 (I)
Abstract (II)
一、引言 (1)
二、基本知识介绍 (1)
2.1心电产生原理及心电图 (1)
2.2实验理论知识 (3)
三、建模过程 (3)
3.1心电图绘制 (3)
3.2滤波设计 (5)
3.3可视化设计 (7)
四、结果分析 (8)
4.1心电图上的各种波形 (8)
4.2 心电图分析 (9)
五、模型的评价与展望 (10)
5.1模型的评价 (10)
5.2模型的展望 (11)
参考文献 (12)
附件： (13)
一、引言
心电图是反映心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考价值。

心电图可以分析与鉴别各种心律失常；也可以反映心肌受损的程度和发展过程和心房、心室的功能结构情况。

在指导心脏手术进行及指示必要的药物处理上有参考价值。

然而，心电图并非检查心脏功能状态必不可少的指标。

因为有时貌似正常的心电图不一定证明心功能正常；相反，心肌的损伤和功能的缺陷并不总能显示出心电图的任何变化。

所以心电图的检查必须结合多种指标和临床资料，进行全面综合分析，才能对心脏的功能结构做出正确的判断。

心电图除了在临床医学方面的研究外，在科学研究方面应用也相当广泛。

已在多种动物描记出它们的心电图，并对其生理意义进行了初步研究。

动物心电图对于研究心脏的比较生理和心脏药理学的研究都有重要的参考价值。

此外，在人体或动物身上安装心电发射器，可在远距离通过接收系统描记心电的变化。

这可用于测试运动中的运动员及走动中的动物心脏功能的变化；测试高空飞行员、宇航员的心搏变化，以及研究人体对高山、高空、深海等环境的心脏活动变化。

心电图的研究在医学、科研领域具有深远的意义。

心电数据的处理与分析是研究心电图，展现人体机能的重要依据，心电数据是心电图的本质体现。

为了进一步了解心电图的形成原理，改进现有心电医疗设备，我们需要从本质上研究心电图，研究心电数据，正确认识心电数据在改进心电检测医疗设备中的意义。

二、基本知识介绍
2.1心电产生原理及心电图
我们常说的心电图一般指体表心电图，反映了心脏电兴奋在心脏传导系统中产生和传导的过程。

正常人体的每一个心动周期中，各部分兴奋过程中出现的电变化的方向、途径、次序和时问都有一定的规律，这种生物电变化通过心脏周围的导电组织和体液，反映到身体表面，使身体各部位在每一心动周期中也出现有规律的电变化。

在人体不同部位放置电极，并通过电联线与心电图机的正负极相连，在心电图机上便可以记录到周期变化的心电图。

心电图是通过二次投影形成的。

整体心肌细胞的除极和复极所产生的每一瞬l’日J的除极、复极综合向量轨迹，在立体心
脏的三维空『日J内按时问顺序将其顶端相连，便构成立体心向量环。

立体心向量环在额面和横面的投影，形成平面的心向量环；将平面向量环在导联轴上进行二次投影，就形成相应的心电图。

对于标准的12导联来说，额面心向量环在肢体导联上的投影，形成I、II、Ill、avR、avL、avF导联心电图，而横面心向量环在胸导联轴上的投影便形成了V1～V6导联心电图m。

不同导联记录到的心电图，在波形上有所不同，但基本上都包括一个P波，一个QRS波和一个T波，有时候在T波后还出现一个小u波。

正常的心电图如图卜1所示，下面列出各种波形的定义和生理参数。

图2.11 正常心电图
(1)P波：代表左右心房去极化过程的电位变化。

其波形小而圆钝。

P波在不同导联上的形状可能有差异，在avR导联的P波倒置，在其它的导联中则以向上的正波为主，尤其以II和avF导联最为明显。

历时0．08～O．11s，波幅不超过0．25mv。

(2)QRS波：代表左、右两心室去极化过程的电位变化。

历时0．06～0．10s。

典型的QRS波包含三个紧密相连的波，第一个向下的波为Q波，其后向上的高而尖的为R波，继R波之后的一个向下的为S波。

但是在不同导联记录的心电图上这三个波不一定都出现，其波形和幅度变化也较大。

(3)T波：代表心室快速复极化过程中的电位变化。

波形圆钝，历时0．05～0．25s，波形的前肢较长而后肢较短。

T波的方向与QRS波的主波方向一致，在R波为主的导联中，T波的幅度不应低于R波的1／10。

(4)P．R间期：由P波起点到QRS波起点之问的I’日J期，代表自心房除极开始至心室除极的时『日J。

正常成人为0.12～0.20s。

在幼儿及心率较快的情况下，P．R 问期相应缩短；而经常进行体育锻炼的人，如职业运动员，其P—R问期较长，有的
可超过0.20s。

(5)s．T段：自QRS波终点至T波起点之问的线段，代表心室缓慢复极过程。

正常的ST段多为一等电位线，有时也可有轻微的偏移。

在任一导联，ST段下移一般不应超过0．05mv，ST段上抬在V1，V2导联不超过0．3mv，在V3不超过0．5mv，在V4～V6导联与肢体导联不应超过0．1mv。

(6)Q．T间期：从QRS波群起点至T波终点的时程，代表心室肌除极和复极全过程所需要的时『自J。

这一时问的长短与心率密切相关。

心率越快，Q．T问期越短；反之，则问期越长。

心率在60～100次／分时，Q-T怄l期的证常范围为0．32～0，44s。

由于Q-T问期受心率的影响，临床常用校J下的Q．T间期，通常采用Bazett 公式计算Q乃=QT／4Rfi。

Q正就是R—R f．日J期为ls(心律60次／分)时的Q．T 问期。

Q正，的正常上限值为0．44s。

(7)U波：在T波后0．02～0．04s可能出现的低而宽的波，代表心室后继电位。

其方向一般与同导联T波方向一致，幅度较T波低。

u波在肢体导联中不易辨认，一般在胸导联中比较清楚。

2.2实验理论知识
（1）时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。

时间序列在工程、经济等各个领域都广泛存在，分析时间序列可以有效的了解各事物影响因素在不同时间的变化规律，继而应用于实践。

心电图体现出来的各个数据是在不同时间区间不同身体机制的数字体现，因此可利用时间序列的相关知识进行解析。

（2）小波变换是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题。

三、建模过程
3.1心电图绘制
心电图的研究取决于心电数据的处理与分析的精确性，那么进一步改进心电图仪也就需要正确认识心电数据处理与分析的重要性。

根据题目要求，首先需要在相关文献资料中查找一定的心电数据用于基础的实验、研究，区别仿真数据与真实数
据。

心电数据见下表：（32×10）
将表2.11中心电数据存储在maltab\work\ECG.txt文本文件中，根据附件中初步心电图代码绘制初步心电图。

图3.12初步心电图
3.2滤波设计
一般情况下，我们所要分析的心电数据都存在着不同程度的噪声。

噪声本身就是异常的结构，尤其对于本研究来讲，如果除噪效果不好，很容易就误将噪声识别为奇异结构，这就使得整个研究失去意义。

因此，本研究对心电时间序列的除噪提出了更高的要求。

为了使我们的分析、处理尽量免受噪声的干扰，我们在对心电信号进行分析、处理之前，先对心电数据进行除噪处理。

本模块基于Matlab平台，采用Matlab工具包中提供的小波基函数设计小波滤波器，来提取高频干扰信号；采用MatIab形态学函数中的开运算和闭运算函数提取基线漂移信号；并将所提取的高频干扰信号和基线漂移信号作为参考输入，通过编写Matlab代码完成自适应滤波器的设计，进而完成整个除噪模块的设计。

3.21小波滤波
小波分析用于信号与图象压缩是小波分析应用的一个重要方面。

小波分析有利于信号的处理与分析，特别是信噪分离与提取弱信号方面。

小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺
度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。

为减少噪音对数据的影响可运用小波分析进行滤波，编写程序（附件2小波滤波程序）绘制心电图如下：
图3.21 心电图原图
图3.12小波分解图
3.22 50HZ滤波
50Hz滤波对于医疗方面有着重要的贡献，其中研究微电极放大器中的50 Hz滤波电路对心肌细胞自发动作电位波形及各项参数的影响，而心肌细胞的指标测试是心电图仪的重要检测部位。

在使用微电极放大器中50 Hz滤波功能情况下,动作电位波形在0相严重失真，时程延长，除极化最大速度减小；复极化50%、90%的时间延长；其它参数无显著变化。

应用MATLAB编写程序（附件3 50HZ滤波），绘制50HZ陷波波形：
图3.21 50Hz陷波波形图
3.3可视化设计
根据检索的心电数据，对其进行了简单的分析，并由数据编写程序绘制心电图、小波分解图、50Hz波波形图，由这些图形进一步分析心电数据，层层递进，深入处理噪音对数据的影响。

为方便非设计者对此课题的操作，根据以上分析对其进行可视化设计。

（见附件4可视化程序）
图3.31可视化界面
四、结果分析
4.1心电图上的各种波形
一次心动周期就会在心电图上记录出一系列地高低宽窄不同的波形。

包括P波、QRS波群、T波和（无）u波。

了解这些波形及其所代表的意义，有利于分析心电图形所反映生物体状态。

P波：最先出现的一个振幅不高的圆钝波形，记录了窦房结激动的右、左心房的激动。

前半部分记录的是右心房的激动，中间部分记录的是左、右心房的共同激动而后部则代表左心房的激动。

QRS波群：继P波之后出现的一个狭窄但振幅高的波群。

由q波（有或无）、R 波和S波组成。

它代表着兴奋从房室结发出先后通过房室束、左右束支和纤细的浦肯野纤维进入心肌细胞，刺激心室的收缩，因此可以将其看作是心室收缩的开始的心电图表现。

Q波，是在出现向上的波之前出现的明确的向下的波形。

如果它很小，宽度不到0.04s，深度不足0.15mV，我们将它记做q波；若它高且宽，才被称作Q 波；当然有时它是缺无的。

无论有无Q波，第一个出现的向上的高尖的波就是R波；紧随其后的向下的波就是S波，它也可以根据深度分别命名为S波和s波。

之后出现的向上的波被称作R’（r’）波，向下的波则称作S’（s’）波。

T波：上个波群暂停之后出现的波，代表着心室的复极（心室的舒张），以备下
一次心室的除极。

观测T波我们要注意它的方向、形态和（高度）深度。

u波，T波后的一个很微小的波，正常的u波并不是在每一个导联中都显而易见，它究竟代表什么尚无定论。

人体的心电信号极其微弱其幅度一般为几十 V至几 mV的量级，频率为0.0 5 H z～1 0 0 H z 。

因此，很容易受到外界的干扰，而且人体作为心电信号的信号源，其内阻是比较大的。

因此在放大部分不但要对心电信号进行放大，还要滤除其他的干扰信号。

图4.11 心电图各波段
4.2 心电图分析
由心电图上各种波形的形成与意义我们对该课题中涉及的心电图进行分析。

按照波形的形成顺序对其进行分析。

首先是P波，由图形可以看出P波基本都是直立的，肢体导联中P波的高度多不超过0.25mV，胸前导联中直立的P波高度不应超过0.15mV，P波的宽度也不应超过0.11s。

属于正常波形。

其次是QRS波，因为波的高低不同，所以三种波形组合出来的波也会不同，但受时间的限制比较严重。

由图可以看出QRS波群的时间在0.06～0.10s范围内。

机体生理正常。

再是T波，这里主要从方向、形态、高度（深度）三个方面进行分析：从方向上看，心电图上T波是直立、平坦、双向甚至是倒置，和QRS波群的主方向一致的。

但倒置时深度未超过0.25mV；从形态上分析， T波的波形是圆滑而有个很自然的顶
端，且不对称，缓和的上升而略显陡峭地下降至等位线。

从高度（深度）上看不同导联部位的幅度不同，枝节导联小于0.5mV，高位波幅度未超过1.0mV。

由此可以断定该机体身体机能健全，处于健康状态。

五、模型的评价与展望
5.1模型的评价
本次课程设计主要研究了利用小波变换和形态学滤波器来实现心电信号噪声消除。

（1）采用形态学滤波的方法来进行基线漂移的消除，首先采用了49个点的平结构元来实现形态学的低通滤波器获取基线信息，在实验中发现，选取单一的49个点的平结构元对心电信号的宽大波呈现了较大的斩波情况使信号出现了失真，因此，本文根据宽大波的特点，采用了147个点的平结构元构成形态学低通滤波器对经过第一次49点平结构元低通滤波器的基线信息进行第二次的滤除，得到了很好的效果，因此提出了改进现存的形态学在心电信号基线滤除上的算法：二次形态学低通滤波器算法。

形态学低通滤波器罩涉及到的是加减运算和最大最小值的判断，因此形态学的算法简单、朴素且运算速度快。

(2)心电信号是复杂的非平稳信号，噪声干扰和QRS波的形态非常复杂，不同的波形形态对不同的检测算法都会有一定的适应性，如果能在噪声消除和QRS波的检测中能自适应地调整算法、提高检测阚值的鲁棒性，将会大大地提高检测的精确度。

(3)有效利用小波变换来减少噪音对数据的影响是该研究的主要方面。

小波变换具有良好的时频局域化特性，对时变信号分析有独特的优越性。

通过分析ECG信号功率谱密度的特点以及小波变换和信号频率之问的关系，发现QRS波的能量大多集中在23尺度上，在大于24尺度上则大大减小，而伪迹、基线漂移等能量大多集中于大于25的尺度上。

经过小波变换后，信号的奇异点对应于小波变换的特征值，根据判据规则，找到QRS波的位置。

5.2模型的展望
5.21噪音影响
在建模过程中，我们应用了小波滤波和50Hz滤波对心电数据进行除噪处理，进一步排除噪音对心电数据的影响。

滤波对数字图形，信号信息处理有较强的效果。

在医疗方面，心电信号由于受到人体诸多因素的影响，因而有着一般信号所没有的特点：信号弱、噪声强、随机性强。

心电信号不仅是随机的，而且是非平稳的。

同时，在心电图检测过程中极易受到各种噪声源的干扰，从而使图像质量变差，使均匀和连续变化的心电数值产生突变，在心电图上形成一些毛刺。

使原本很微弱的信号很难和噪声进行分解。

可能出现的噪音很多，但这里只关注引起人体信号不稳定的因素，即引起基线漂移的干扰。

呼吸运动人体呼吸时胸腔内器官和组织会发生一定程度的变化，会对在体表记录到的心电图波形的幅度和形态有所影响；由于人体轻微运动造成电极与入体的接触电阻发生变化而引入的一种干扰——运动伪迹运动伪迹。

心电信号中的高频噪声主要是肌电噪声。

肌肉收缩会产生mV级的肌电干扰，表现为心电图上不规则的细小波纹，使心电图模糊不清或产生失真。

肌电噪声的特点是频率范围较广，频谱分布非常复杂。

5.22除噪滤波器设计
一般情况下,我们所要分析的心电数据都存在着不同程度的噪声"噪声本身就是异常的结构,尤其对于本研究来讲,如果除噪效果不好,很容易就误将噪声识别为奇异结构,这就使得整个研究失去意义"因此,本研究对心电时间序列的除噪提出了更高的要求"为了使我们的分析!处理尽量免受噪声的干扰,我们在对心电信号进行分析!处理之前,先对心电数据进行除噪处理"。

首先先设计小波滤波器,来提取高频干扰信号，其次采用形态学函数中的开运算和闭运算函数提取基线漂移信号并将所提取的高频干扰信号和基线漂移信号作为参考输入,通过编写代码完成自适应滤波器代码的设计,进而完成整个除噪模块的设计"。

常用的除噪方法有小波滤波器!形态学滤波器和自适应滤波器等等,它们具有良好性能的同时,都还存在着一些缺陷和不足"如小波滤波器虽然能有效完成信号的滤
波处理,但是它在去除低频的基线漂移信号时,必须对信号进行较高尺度的分解与重构,计算量大,实时性差形态滤波器具有计算简单,速度快的特点,对信号中基线漂移的去除,具有近乎完美的表现,但是在滤除高频干扰时会产生信号的高频波动失真而自适应滤波器工作时需要额外采集参考信号,且对参考输入的要求严格,付出的成本高,可靠性降低"为此,我们在上述几种滤波算法基础上,取长补短,采用基于小波变换与形态学运算的自适应滤波算法1洲,并直接从含噪信号中提取噪声信号作为参考输入"该算法用小波滤波器提取含噪信号中的高频干扰信号,用形态学滤波器提取低频基线漂移信号,并将这两部分所得到的噪声分量一起作为自适应滤波器的参考输入信号"通过自适应滤波器的设计和调整,最终获得对信号的满意滤波。

图5.21 滤波器设计示意图
参考文献
[1] 陈天华. 数字图像处理[M]. 北京. 清华大学出版社，2009
[2] 程正兴. 小波分析算法与应用. 西安. 西安交通大学出版社，1998
[3] 程佩青. 数字信号处理. 北京. 清华大学出版社，2007
[4] 苏金明，王永利. MALTAB应用指南[M]. 上册. 北京电子工业出版社，2004
[5] 霍红涛，林小竹，何薇. 数字图像处理[M]. 北京. 北京理工大学出版社，2003
[6] 张开滋，郭继鸿，刘海洋. 临床心电信息学[M]. 长沙. 湖南科技出版社，2002
[7] 黄宝晨，朱怡然. 心电图基本知识[J]. 中国乡村医药杂志，2004(第7页)
[8] 许原. 心电图解读心电图如何解读和诊断[J]. 中国临床医生，2004(第5页)
附件：
附件一：
心电图在科学研究方面应用相当广泛。

已在多种动物描记出它们的心电图，并对其生理意义进行了初步研究。

一些无脊椎动物如鲎、贻贝、章鱼、螯虾、海鞘等和脊椎动物如两栖、爬行、鸟及哺乳等纲动物，采用特殊电极及引导方法，都可描记其心电图。

基本图形大致相似，在具体波形及电压高低，时程长短上有所不同。

静脉窦发育良好的动物，其心电图的P波之前有与静脉窦兴奋相应的V波。

鱼和两栖动物的心电图在T波之前常有B波，它反映动脉圆锥的兴奋。

动物心电图还可以作为判明心搏起源性质的客观指标。

神经源性心搏如鲎的心电图常有振荡性的快波和若干猝发性的锋形电位；而肌原性心搏如软体动物的心电图常由若干慢波组成。

动物心电图对于研究心脏的比较生理和心脏药理学的研究都有重要的参考价值。

此外，在人体或动物身上安装心电发射器，可在远距离通过接收系统描记心电的变化。

这可用于测试运动中的运动员及走动中的动物心脏功能的变化；测试高空飞行员、宇航员的心搏变化，以及研究人体对高山、高空、深海等环境的心脏活动变化。

心电图可分为普通心电图、24小时动态心电图、运动试验心电图、His束电图、食管导联心电图、人工心脏起搏心电图等。

心电图已随着医学的发展而发展，为顺应人类的遗传学、优生学发展趋势，心电图已能将胎儿心脏活动时产生地生物电流描绘成图谱，记录胎儿瞬间变化，通过观察胎儿心电图，可动态监测围产期胎儿发育情况和在宫内生长情况对及早诊断，及时治疗胎儿疾患，提高围产儿质量优生优育，具有重要的临床意义及社会价值。

随着社区医疗服务的发展，心电图的作用越见显著，心电图可以及时的帮助中年人或幼小患儿发现潜在的心脏疾病或先天性心脏病。

附件二（程序代码）：
1．初步心电图代码：
ECG=load('ECG.txt');
a=length(ECG);
t=[1/a:1/a:1]
y=ECG(:,1);
plot(t,y);
title('含噪心电信号');
xlabel('时间（ms）');
ylabel('幅度（dB）');
2．小波滤波程序及代码：
% mallet_wavelet.m
% 此函数用于研究Mallet算法及滤波器设计
% 此函数仅用于消噪
a=pi/8; %角度赋初值
b=pi/8;
%低通重构FIR滤波器h0(n)冲激响应赋值
h0=cos(a)*cos(b);
h1=sin(a)*cos(b);
h2=-sin(a)*sin(b);
h3=cos(a)*sin(b);
low_construct=[h0,h1,h2,h3];
L_fre=4; %滤波器长度
low_decompose=low_construct(end:-1:1); %确定h0(-n)，低通分解滤波器
for i_high=1:L_fre; %确定h1(n)=(-1)^n,高通重建滤波器 if(mod(i_high,2)==0);
coefficient=-1;
else
coefficient=1;
end
high_construct(1,i_high)=low_decompose(1,i_high)*coefficient;
end
high_decompose=high_construct(end:-1:1); %高通分解滤波器h1(-n) L_signal=100; %信号长度
n=1:L_signal; %信号赋值
f=10;
ECG=load('ECG.txt');
a=length(ECG);
t=[1/a:1/a:1]
y=ECG(:,1);
plot(t,y);
title('含噪心电信号');
xlabel('时间（ms）');
ylabel('幅度（dB）');
figure(1);
plot(y);
title('原信号');
check1=sum(high_decompose); %h0(n)性质校验
check2=sum(low_decompose);
check3=norm(high_decompose);
check4=norm(low_decompose);
l_fre=conv(y,low_decompose); %卷积
l_fre_down=dyaddown(l_fre); %抽取,得低频细节
h_fre=conv(y,high_decompose);
h_fre_down=dyaddown(h_fre); %信号高频细节
figure(2);
subplot(2,1,1)
plot(l_fre_down);
title('小波分解的低频系数');
subplot(2,1,2);
plot(h_fre_down);
title('小波分解的高频系数');
3．50HZ滤波程序及代码：
生成一个ideal_lp.m文件
function hd=ideal_lp(wc,M)
alpha=(M-1)/2;
n=0:M-1;
m=n-alpha+eps; %eps为很小的数，避免被0除
hd=sin(wc*m)./(pi*m); %用Sinc函数产生冲击响应
将ideal_lp.m文件放在matlab\work里
ECG=load('ECG.txt');
a=length(ECG);
t=[1/(a):1/(a):1];
y=ECG(:,1);
plot(t,y);
%其中，具有线性相位的FIR低通滤波器由如下函数实现：
%理想低通滤波器
%截止角频率wc，阶数M
% 50Hz工频干扰陷波器
%50Hz陷波器：由一个低通滤波器加上一个高通滤波器组成
%而高通滤波器由一个全通滤波器减去一个低通滤波器构成
M=800; %滤波器阶数
L=800; %窗口长度
beta=8; %衰减系数
Fs=400;
wc1=51/(Fs/2)*pi; %wc1为高通滤波器截止频率，对应51Hz
wc2=49/(Fs/2)*pi ;%wc2为低通滤波器截止频率，对应49Hz
h=ideal_lp(pi,M)-ideal_lp(wc1,M)+ideal_lp(wc2,M); %h为陷波器冲击响应w=kaiser(L,beta);
b=h.*rot90(w); %b为50Hz陷波器冲击响应序列
x=filter(b,1,y); %滤除50Hz工频干扰的心电信号
plot(t,x);
title('含噪心电信号');
xlabel('t');。