用小波过滤心电信号答案

【问题标题】：Filter ecg signal with wavelet用小波过滤心电信号
【发布时间】：2015-11-17 23:46:31
【问题描述】：

我正在处理心电图信号，我想删除漂移噪声。在 Matlab 中，这段代码运行良好：

[c, l]=wavedec(ecgsignal,8,'coif5'); 
a9=wrcoef('a',c,l,'coif5',8);

其中 ecgsignal 是带有噪声的原始信号，a9 是滤波后的信号。我正在尝试用这段代码在 python 中做同样的事情：

coeffs=pywt.wavedec(ecgsignal,'coif5', level=8)
renc=pywt.waverec(coeffs, 'coif5')

但是重建的信号renc 有噪声。有人可以帮我理解什么是不正确的吗？我使用了 PyWavelet 库的错误命令？

【问题讨论】：

看起来您将所有分解后的系数都输入到重构函数中。
我打算评论同样的事情。我不习惯使用小波，只使用 FFT，但您似乎应该只使用 几个选定的系数重建信号，而不是全部。
以PyWavelet的文档为例：coeffs = pywt.wavedec([1,2,3,4,5,6,7,8], 'db2', level=2) print pywt.waverec(coeffs, 'db2') 它是所有系数。
@GiuseppeRicci 文档显示 wavedec 和 waverec 这两个函数完全相反。
@AndyKubiak 在 Matlab 中是一样的吗？为什么这条指令在 python 中不起作用？

标签： python matlab noise wavelet

【解决方案1】：

目前pywt还没有实现wrcoef等效功能。但您仍然可以分解一维多电平信号，然后分别重构其分量。

https://stackoverflow.com/a/47591523/2845274

【讨论】：

【解决方案2】：

您只是在解构信号，然后重构信号。您尚未完成实际执行您正在寻找的信号过滤的关键阈值步骤。

在python中草绘所需步骤的基本大纲：

// DWT
coeffs = pywt.wavedec(ecgsignal,'coif5', level=8); 
// Compute threshold something like this.  You need an estimate
// of the noise sigma.
threshold=noiseSigma*sqrt(2*log2(ecgsignal.size)); 
// Apply the threshold.  Pseudocode here.
newcoeffs = pywt.thresholding.soft( coeffs , threshold);
// IDWT
renc = pywt.wavedec(newcoeffs , 'coif5');

【讨论】：