Matlab GUI界面编程下的脉搏信号处理：滤波、去噪、实时回放及小波分析计算脉率

脉搏信号处理 Matab GUI界面编程，并实现滤波、去噪、实时回放、小波分析 计算脉率

做生理信号采集实验的时候，每次都要敲一堆命令行调参数、看结果真的烦，索性攒了个Matlab的GUI小工具，把脉搏信号处理常用的功能都打包进去了——滤波去噪、实时回放、小波分析算脉率，折腾了小一周总算能用了，今天唠唠整个过程。

首先得搭个界面，我用的是Matlab自带的App Designer，拖拖拽拽比老版GUIDE舒服多了。界面大概分三块：左边三个轴分别放原始信号、滤波后信号、去噪后的信号，右边放参数调节控件（比如滤波截止频率滑块、小波基下拉框），底部放脉率计算的结果图，再堆了一排按钮对应各个功能。

先写加载数据的按钮回调，毕竟啥都没有的话其他功能都是空谈：

function LoadDataButtonPushed(app, event) [file,path] = uigetfile({'*.mat;*.txt','脉搏数据文件'},'选择脉搏信号文件'); if isequal(file,0) return; end fullpath = fullfile(path,file); % 兼容mat和txt两种常见格式，txt直接按数组读，mat直接加载变量 if endsWith(file,'.mat') load(fullpath); else pulse_signal = load(fullpath); Fs = 1000; % 大部分脉搏采集卡都是1kHz采样率，默认填这个 end app.RawSignalAxes.UIAxes.Visible = 'on'; plot(app.RawSignalAxes, linspace(0,length(pulse_signal)/Fs,length(pulse_signal)), pulse_signal); title(app.RawSignalAxes,'原始脉搏信号'); xlabel(app.RawSignalAxes,'时间/s'); ylabel(app.RawSignalAxes,'幅值/mV'); % 把数据存在app对象里，不然下次用的时候变量就丢了 app.pulse_data = pulse_signal; app.Fs = Fs; end

这段代码其实没啥花活，就是选文件、读数据、画个图存一下变量。一开始我没把数据存在app的私有属性里，每次调其他功能都要重新加载，结果改个参数就报错，折腾了半天才想起Matlab App Designer里所有临时变量都得挂在app对象上。

接下来是滤波模块，脉搏信号的有效频段一般是0.5~4Hz（对应30~240次/分钟的脉率），所以用巴特沃斯带通滤波最合适，而且一定要用零相位滤波，不然信号会整体偏移，看起来特别别扭：

function ButterworthFilterButtonPushed(app, event) if ~isfield(app,'pulse_data') uialert(app.UIFigure,'先加载脉搏数据哦！','提示'); return; end % 从滑块拿截止频率，用户可以自己拖滑块调 f_low = app.LowFreqSlider.Value; f_high = app.HighFreqSlider.Value; [b,a] = butter(6, [f_low, f_high]/(app.Fs/2), 'bandpass'); % filtfilt不会有相位延迟，比filter好用太多 filtered_signal = filtfilt(b,a,app.pulse_data); app.FilteredSignalAxes.UIAxes.Visible = 'on'; plot(app.FilteredSignalAxes, linspace(0,length(filtered_signal)/app.Fs,length(filtered_signal)), filtered_signal); title(app.FilteredSignalAxes,['巴特沃斯滤波后（',num2str(f_low),'-',num2str(f_high),'Hz）']); xlabel(app.FilteredSignalAxes,'时间/s'); ylabel(app.FilteredSignalAxes,'幅值/mV'); app.filtered_data = filtered_signal; end

我一开始偷懒用了filter，结果画出来的信号整体往左移了大概0.3秒，被导师吐槽“你这信号都跑到未来去了”，后来赶紧换成filtfilt才搞定。6阶滤波刚好，阶数太低滤不干净噪声，太高又会把脉搏的小峰给抹掉。

脉搏信号处理 Matab GUI界面编程，并实现滤波、去噪、实时回放、小波分析 计算脉率

然后是小波去噪，比简单的滑动平均靠谱多了，不会把有用的细节磨平：

function WaveletDenoiseButtonPushed(app, event) if ~isfield(app,'filtered_data') uialert(app.UIFigure,'先做巴特沃斯滤波哦！','提示'); return; end wavelet_name = app.WaveletDropDown.Value; level = 3; % 3层分解刚好，太多会把信号磨平 % 用软阈值去噪，sqtwolog阈值法简单好调 denoised_signal = wden(app.filtered_data, 'sqtwolog', 's', 'mln', level, wavelet_name); app.DenoisedSignalAxes.UIAxes.Visible = 'on'; plot(app.DenoisedSignalAxes, linspace(0,length(denoised_signal)/app.Fs,length(denoised_signal)), denoised_signal); title(app.DenoisedSignalAxes,['小波去噪（',wavelet_name,',',num2str(level),'层）']); xlabel(app.DenoisedSignalAxes,'时间/s'); ylabel(app.DenoisedSignalAxes,'幅值/mV'); app.denoised_data = denoised_signal; end

试了好几种小波基，最后发现sym4对脉搏峰的检测最准，所以把默认值设成了sym4。一开始用了db4，结果找出来的峰总是歪歪扭扭的，换了sym4之后瞬间舒服了。还有分解层数别超过5层，不然连脉搏的细微波动都给滤没了。

接下来是实时回放，这个是最折腾的，一开始直接循环plot直接卡成PPT：

function RealTimePlayButtonPushed(app, event) if ~isfield(app,'denoised_data') uialert(app.UIFigure,'先做小波去噪哦！','提示'); return; end play_data = app.denoised_data; chunk_size = round(app.Fs * 0.5); % 每次刷新0.5秒的数据，不会太跳 figure('Name','实时回放','Position',[100,100,800,400]); ax = axes; xlabel('时间/s'); ylabel('幅值/mV'); title('实时回放脉搏信号'); hold on; grid on; % 提前创建plot对象，每次只更新数据而不是重画，效率高很多 h = plot(ax, 0,0); for i = 1:chunk_size:length(play_data) current_chunk = play_data(i:min(i+chunk_size-1,length(play_data))); t = (i-1)/app.Fs : 1/app.Fs : (i+length(current_chunk)-2)/app.Fs; set(h, 'XData',t, 'YData',current_chunk); ax.XLim = [(i-1)/app.Fs, (i+length(current_chunk))/app.Fs]; drawnow; % 强制刷新界面，不然会卡 pause(0.05); % 放慢回放速度，方便看清楚每个峰 end end

这里的坑真的多，一开始没加drawnow，界面完全不动；没提前创建plot对象，每次都重画的话，电脑差一点就卡爆；没调X轴范围的话，整个画面会一直往左拉，根本看不清。改了这几个地方之后，回放终于流畅了。

最后是算脉率，核心就是找脉搏峰然后算时间差：

function CalcHRButtonPushed(app, event) if ~isfield(app,'denoised_data') uialert(app.UIFigure,'先做小波去噪哦！','提示'); return; end % 找峰值，过滤掉太小的噪声峰，最小峰间距设为0.8秒（对应75次/分钟的最慢脉率） [pks,locs] = findpeaks(app.denoised_data, 'MinPeakHeight',0.5*max(app.denoised_data), 'MinPeakDistance',round(app.Fs*0.8)); if length(locs) < 2 uialert(app.UIFigure,'没找到足够的脉搏峰，请调整参数或换更长的数据','提示'); return; end % 计算平均脉率，转换成次/分钟 time_diff = diff(locs)/app.Fs; avg_hr = 60/mean(time_diff); % 把找到的峰标在图上 app.PulseHRPlotAxes.UIAxes.Visible = 'on'; plot(app.PulseHRPlotAxes, linspace(0,length(app.denoised_data)/app.Fs,length(app.denoised_data)), app.denoised_data); hold(app.PulseHRPlotAxes, 'on'); scatter(app.PulseHRPlotAxes, locs/app.Fs, pks, 'r','filled'); hold(app.PulseHRPlotAxes, 'off'); title(app.PulseHRPlotAxes,['平均脉率：',num2str(round(avg_hr)),' 次/分钟']); xlabel(app.PulseHRPlotAxes,'时间/s'); ylabel(app.PulseHRPlotAxes,'幅值/mV'); end

一开始我没加MinPeakDistance，结果找出来一堆假峰，算出来的脉率有三百多次每分钟，差点把自己忽悠瘸了。后来加了这个参数，终于正常了。如果数据太短的话，找出来的峰不够，就会弹出提示，这个小细节能省掉用户很多疑问。

整体跑下来的话，流程就是加载数据→滤波→去噪→看波形→算脉率→实时回放，整个流程不用敲一行命令行，点几下按钮就搞定了，比之前方便太多。

对了，最后还加了个保存结果的按钮，把处理后的信号和脉率数据存成mat文件，方便后续分析。整个工具大概几百行代码，折腾下来最大的收获就是摸透了Matlab App Designer的各种坑，还有生理信号处理里的一些细节。要是有人需要完整的代码，随便改改就能用，毕竟都是用的Matlab内置函数，没啥黑科技。