离散熵 排序熵（Permutation Entropy，PE）算法是Bandt，Pompe（2001）提出的一种排序时间序列复杂性的方法，它首先通过相空间细分以及子序列排序提取序列模式的概率分布，再根据概率分布计算出这段时间序列的熵值。 相空间重构 假设有一段长度为的非线性系统的离散时间序列 ，我们希望从这段时间序列中提取信息，某些信号的复杂程度，这时候就需要对时间序列进行相空间重构。 Packard等。 （1980）对于时间序列的相空间重构，提出了两种插入方法，分别是导数解码法和坐标顺序转换法，此处采用的是坐标延迟法。涉及到两个参数，一个是嵌入维度（Embedding Dimension） ，它控制生成的列向量的维度；另一个是延迟时间（延迟时间） ，它控制子序列的采样间隔，某些时候 = 1时，即是连续取点；当 = 2时，即是间隔1个数取值。 和以后，可以得到一个矩阵： 其中 。 离散熵计

采集时长290秒

基于SVM与CNN的ECG信号心律失常诊断论文

选择一段不含噪声的ECG纯净信号，手动在样本中叠加不同信噪比的高斯白噪声，模拟在不同噪声水平下的含噪ECG信号，使用SSA分析数据，用信噪比（SNR）、信噪比增益（SNRG）、根均方误差（RMSE）三指标衡量算法性能

使用小波变换和独立分量分析的ECG信号降噪

ECG信号寻找R波峰matlab代码去趋势波动分析 该功能集旨在与可通过PhysioNet免费在线获得的MIT-BIH多导睡眠图数据一起使用。 该算法的灵感来自于2002年由Jong-Min LL，Dae-Jin Kim，In-Young Kim，Kwang等人发表在《生物与医学计算机》上的论文“使用MIT / BIH多导睡眠图数据对睡眠呼吸暂停中的脑电图进行趋势变化分析” -Suk Park和Sun I. Kim。 这项工作是汉城汉城大学，汉城大学，汉城大学和汉城国立大学医学院的生物医学工程系之间的合作。 该项目的目标是尽可能地重现本文的结果。 为此，使用MATLAB语言创建了几个函数（必须已安装这些函数才能运行它们）。 函数[scalingExp，L，F] = DFA（timeSeries）给定一维时间序列，该时间序列可能是非线性和/或非平稳的，此函数使用去趋势波动分析来找到最适合给定时间序列的缩放指数。 它还输出所用窗口大小的矢量L和相应的波动，以便于绘制。 函数y = brownNoise（N）生成归一化的棕色噪声，该噪声是白噪声的积分。 输入N指示生成的时间序列的长度。 如果

活动感知脉率算法项目 该项目包含2个主要部分： 第1部分-根据给定的训练数据开发脉率算法。 然后测试您的算法，看它是否满足成功标准。 第2部分-在临床应用中应用脉搏率算法，并计算更多具有临床意义的功能并发现医疗保健趋势。 介绍 许多用户期望他们的可穿戴设备的核心功能是脉搏速率估计。 连续脉搏频率估计可为佩戴者健康的许多方面提供信息。 运动过程中的脉搏率可以衡量锻炼强度，静息心率有时被用作心血管健康状况的总体衡量指标。 在此项目中，您将为腕戴式设备创建脉搏频率估计算法。 使用以下部分中的信息来通知算法的设计。 确保您的算法符合给定的规范。 脉搏速率估计的生理力学 通常使用PPG传感器估算脉搏率。 当心室收缩时，腕部的毛细血管充满血液。 PPG传感器发出的（通常为绿色）光被这些毛细血管中的红血球吸收，光电探测器将看到反射光的下降。 当血液返回心脏时，腕部中的红细胞吸收的光线就会减少，光电探

ECG过滤：信号和系统最终项目，用于ECG信号过滤的FIR滤波器的设计

rddata.m -- MIT-BIH ECG 信号的数据读取Matlab程序 MIT-BIH ECG 信号的数据读取Matlab程序，能够读取MIT-BIH数据库 .atr、.dat、.hea三种文件的数据，根据这些数据计算出实际的心电信号值，并绘制出信号波形。

近年来，由于情感识别已成为情感计算的标志之一，因此人们越来越重视生理信号来进行情感识别。本文提出了一种利用来自多个对象的心电图（ECG）信号进行情感识别的方法。数据，我们采用电影剪辑的唤醒方法，使被摄对象体验到特定的情感而不受外界干扰。通过连续小波变换对P-QRS-T波进行精确定位，充分提取了许多ECG特征。由于特征选择是一种组合在最优化问题上，采用基于邻域搜索的改进二元粒子群算法（IBPSO），通过fisher或K最近邻（K-Nearest Neighbor，KNN）分类器，寻找有效的特征来改进情绪状态的分类结果。表明该方法是成功的，并且从心电信号获得的有效特征可以表达情绪稳定非常好。