光電容積脈搏波PPG信號結(jié)合相關算法可以用于人體生理參數(shù)檢測，如血壓、血氧飽和度等，但采集過程中極易受到噪聲干擾，對于血壓、血氧飽和度測量的準確性造成影響。隨著當今社會醫(yī)療保健技術(shù)的發(fā)展，可穿戴監(jiān)測設備對于PPG信號的質(zhì)量提出了更高要求。

獲取PPG 信號只需要特定的光源和相關檢測傳感器，適用于日常的穿戴式人體生理信息監(jiān)測系統(tǒng)，體積較小且成本低，通過便攜式檢測裝置使用者可以隨時了解到自身的特定生理參數(shù)變化，在很大程度上能夠預防慢性疾病。此外階段性生理數(shù)據(jù)也便于進行醫(yī)療診斷，對臨床診斷方面也具有極為重要的意義。

脈搏波信號采集過程中非常容易受到噪聲的影響，其中高頻噪聲類型包含：硬件的工頻信號、周圍光污染、電磁干擾，低頻基線漂移噪聲類型包含：人體運動、呼吸等，這些都將影響脈搏波信號的臨床應用評估性能。

鑒于此，采用幾種信號處理方法對PPG信號進行降噪，包括butterworth bandpass filter， Chebyshev type1 bandpass filter，Elliptic filter，fir least square method，wavelet method等，運行環(huán)境為MATLAB R2018A。

function denoisedSignal = powerline_removal(signal, fs)f0 = 60; % 50HzQ = 20; % Quality factor (adjust as needed)wo = f0 / (fs / 2); % Normalized frequencybw = wo / Q;[b, a] = iirnotch(wo, bw);% Apply the notch filter to the signaldenoisedSignal = filtfilt(b, a, signal);
end

擅長領域：現(xiàn)代信號處理，機器學習，深度學習，數(shù)字孿生，時間序列分析，設備缺陷檢測、設備異常檢測、設備智能故障診斷與健康管理PHM等。
知乎學術(shù)咨詢：https://www.zhihu.com/consult/people/792359672131756032?isMe=1
擅長領域：現(xiàn)代信號處理，機器學習，深度學習，數(shù)字孿生，時間序列分析，設備缺陷檢測、設備異常檢測、設備智能故障診斷與健康管理PHM等。