基于信号处理的PPG信号滤波降噪方法（MATLAB）

光电容积脉搏波PPG信号结合相关算法可以用于人体生理参数检测，如血压、血氧饱和度等，但采集过程中极易受到噪声干扰，对于血压、血氧饱和度测量的准确性造成影响。随着当今社会医疗保健技术的发展，可穿戴监测设备对于PPG信号的质量提出了更高要求。

获取PPG 信号只需要特定的光源和相关检测传感器，适用于日常的穿戴式人体生理信息监测系统，体积较小且成本低，通过便携式检测装置使用者可以随时了解到自身的特定生理参数变化，在很大程度上能够预防慢性疾病。此外阶段性生理数据也便于进行医疗诊断，对临床诊断方面也具有极为重要的意义。

脉搏波信号采集过程中非常容易受到噪声的影响，其中高频噪声类型包含：硬件的工频信号、周围光污染、电磁干扰，低频基线漂移噪声类型包含：人体运动、呼吸等，这些都将影响脉搏波信号的临床应用评估性能。

鉴于此，采用几种信号处理方法对PPG信号进行降噪，包括butterworth bandpass filter， Chebyshev type1 bandpass filter，Elliptic filter，fir least square method，wavelet method等，运行环境为MATLAB R2018A。

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

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。
知乎学术咨询：https://www.zhihu.com/consult/people/792359672131756032?isMe=1
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。