简介一个由同济大学完成的脉搏信号分析与识别项目聚焦小波变换在非平稳生物医学信号处理中的应用面向生物医学工程学生、信号处理研究者及智能医疗开发者。资料对原始脉搏信号进行去噪、平滑滤波等预处理再通过小波变换提取多尺度特征并支持基于SVM或神经网络的脉搏分类可辅助识别心率不齐、心动过速等异常搏动情况。压缩包共含8个文件以4个MATLAB脚本m文件为核心覆盖butterworth低通、带通、高通滤波实现另有采样频率说明、参数提取要求及原始数据表格xlsx包体仅39KB。当前已有237人学习下载。通过阅读代码与说明文档可完整了解从信号滤波、特征提取到分类模型构建的实现链路尤其适合作为生物医学信号处理课程设计、毕业设计或小波分析入门实践的参考范例。1. 先搞清楚“脉搏识别”到底在识别什么标题里能带上“同济做得”这五个字说明它不是网上随手打包的通用工具箱更像课题组或课程设计里磨出来的东西。而“脉搏识别.zip”这个命名主题就锁死在两件事上用小波做信号预处理再对脉搏信号做分类。一句话讲任务是把一段段脉搏波形识别成不同类别——正常、异常、或者某种体质分型。这个方向的价值在于脉诊客观化和可穿戴健康监测目前都在往这里砸资源基层医院想做无创初筛手环厂商想做连续健康预警都绕不开“先把脉搏信号分成几类”这一步。这个任务最反直觉的一点是分类器从来不是瓶颈。你拿逻辑回归、SVM、XGBoost甚至最简单的KNN都能在处理好数据后跑出看得过去的准确率。真正的瓶颈在预处理和特征提取——脉博信号里混着基线漂移、工频干扰、电磁噪声每个人的血管弹性、心率、皮肤厚度都不一样直接把原始波形喂给分类器十有八九翻车。这篇文章就按“信号清洗 → 周期切分 → 特征提取 → 分类器选型 → 踩坑排查 → 验证落地”的顺序把这条路完整走一遍。2. 小波预处理用 db4 把基线漂移和高频毛刺一次拆干净2.1 先别跑代码采样率和数据组织方式决定你后面省不省事拿到这类 zip 包我建议你做的第一件事不是看代码而是先做一次“数据体检”。常见做法是先确认三个问题采样率是多少、信号是单通道还是多通道、标签跟信号是怎么对应的。脉搏信号的主流采样率是 500Hz 或 125Hz也有少数用 1000Hz 采集。这两种采样率下同一段 10 秒的数据长度分别是 5000 点和 1250 点如果你忽略采样率直接做特征比较后面所有特征分布都会偏移。数据组织方式上常见的是每行一段信号、最后一列是标签也有把信号和标签分开存成 .mat 的。我习惯先写一段代码把数据读进来并打印基本信息import numpy as np import pandas as pd # 常见情况一CSV最后一列是标签 df pd.read_csv(pulse_data.csv, headerNone) x_raw df.iloc[:, :-1].values # 信号 labels df.iloc[:, -1].values # 标签 # 常见情况二.mat 文件 from scipy.io import loadmat d loadmat(pulse_data.mat) print(d.keys()) # 先看看有哪些字段别猜变量名 fs 500 # 采样率单位 Hz必须和数据采集设备一致 print(信号形状:, x_raw.shape, 标签类别:, np.unique(labels))这段代码的逻辑很简单先用pd.read_csv或loadmat把数据装进来再打印形状和标签分布。参数说明里最要紧的是fs它必须和采集设备一致它决定后面的小波分解层数和峰值检测距离。如果设备是 125Hz 采样你却写了 500后面所有时间单位换算全部错位症状会非常隐蔽——分类精度低但不至于报错排查起来很靠手感。2.2 小波选 db4 还是 sym8以及分解层数怎么拍小波基的选择没有绝对标准答案但工程上我有两个默认值生物信号优先试db4想要更好的对称性就试sym8。db4是 Daubechies 家族里 4 阶滤波器波形短、计算快对脉搏这类脉冲状信号有很好的局部刻画能力sym8对称性更好处理边界时相位失真小但计算量略大。在样本量几千、信号长度几千点的规模下两者速度差异可以忽略我更推荐先用db4跑通全流程再去对比sym8的结果。分解层数取决于采样率。脉搏主频率常见在 12Hz基线漂移基本在 0.5Hz 以下高频噪声从几十赫兹往上都是。按每分解一层频率减半的规律500Hz 采样率下分解 8 层得到的最低频近似分量覆盖 00.98Hz刚好把基线漂移框在里面。125Hz 采样率下分解 6 层就能到 00.98Hz。下表可以直接查采样率 fs推荐分解层数近似分量的频率范围125Hz600.98Hz250Hz700.98Hz500Hz800.98Hz2.3 小波分解与重构的完整代码软阈值 丢弃趋势分量预处理的目标是去掉基线漂移和高频毛刺同时尽量保留脉搏主波形态。我的标准写法是这样import pywt import numpy as np fs 500 # x_raw 取其中一条 10 秒信号长度 5000 x x_raw[0].copy() x x - np.mean(x) # 去直流分量 wavelet db4 level 8 # 与 fs 对应500Hz 用 8 层 coeffs pywt.wavedec(x, wavelet, levellevel, modesymmetric) # 近似分量 cA8 覆盖 0~0.98Hz主要是基线漂移直接置零 coeffs[0] np.zeros_like(coeffs[0]) # 用最高层细节系数估计噪声标准差计算软阈值 sigma np.median(np.abs(coeffs[-1])) / 0.6745 thr sigma * np.sqrt(2 * np.log(len(x))) # 对 d1~d4 做软阈值去掉高频毛刺d5~d8 保留它们含脉搏主波信息 for i in range(1, level - 3): coeffs[i] pywt.threshold(coeffs[i], thr, modesoft) # 重建信号 x_clean pywt.waverec(coeffs, wavelet, modesymmetric) x_clean x_clean[:len(x)] # 重构后长度可能多一个点截断到原长度逻辑说明wavedec把信号拆成 1 个近似分量和 8 个细节分量近似分量是低频趋势细节分量从高频到低频排布。基线漂移这个大趋势正好落在近似分量里所以直接置零高频毛刺落在 d1d4 里用软阈值把它们压下去。waverec重构后信号长度可能比原信号多一个点截断即可。参数说明里有两个地方容易踩坑。第一modesymmetric是边界延拓方式它用镜像延拓来抑制重构时的边界畸变如果你改成默认的zpd零填充信号开头和结尾会出现一段下冲后续峰值检测会多出一堆假峰。第二阈值thr用coeffs[-1]的最高层细节来估计噪声水平这是信号处理里常见的 MAD 估计噪声标准差 ≈ 中位数绝对值 / 0.6745。调参时如果觉得信号被削得太平把thr乘以 0.8如果毛刺还明显就乘以 1.2这是个很实用的旋钮。2.4 重构后的“开头和结尾怪波”怎么处理无论用symmetric还是其他延拓模式小波重构后的信号首尾一小段都会有失真原因是边界处的滤波器还没“暖起来”。这会直接影响后面的峰值检测——首尾容易被检测出幅值异常的假峰。我一般会在预处理后直接裁掉首尾各 0.2 秒cut int(fs * 0.2) x_clean x_clean[cut:-cut]别小看这 0.2 秒。很多跑完分类发现准确率上不去的同学最后查出来就是首尾假峰混进了特征计算。做信号处理边界效应永远是第一个要防的玄学。3. 从脉搏周期到特征向量别把钱花在分类器上花在特征上3.1 主波峰检测与周期切分干净的脉搏信号是一串近似周期性的脉冲波每个周期对应一次心脏搏动。无论做分类还是做识别先把信号切成单个周期是第一步。主波峰检测我用scipy.signal.find_peaks关键参数三个distance控制两个峰的最小间隔height控制峰的绝对高度prominence控制峰相对两侧的突出程度。from scipy.signal import find_peaks import numpy as np # 用前面清洗后的 x_clean 做峰值检测 peak_dist int(fs * 0.4) # 两个脉搏主波至少间隔 0.4 秒 height_thr np.percentile(x_clean, 60) # 只保留幅度高于 60 分位的峰 peaks, props find_peaks( x_clean, distancepeak_dist, heightheight_thr, prominence0.1 * np.max(np.abs(x_clean)) ) print(检测到主波峰数:, len(peaks))参数说明distance0.4*fs的含义是心率上限 150bpm低于这个间隔的相邻峰值不会被当作两个独立主波height用 60 分位数可以过滤掉大半噪声毛刺prominence要求峰高突出于两侧局部区域的 10% 幅值用来避免把重搏波误检成主波脉搏信号里重搏波非常常见不设prominence的话它会进来捣乱。切周期时我以主波峰为中心向左右各取 0.4 秒half_win int(fs * 0.4) segments [] for p in peaks: if p - half_win 0 or p half_win len(x_clean): continue segments.append(x_clean[p - half_win : p half_win]) # 每个周期长度应该一致如果设备或信号有丢点统一重采样到固定长度 fixed_len 256 segments_resampled [] for seg in segments: seg_rs np.interp( np.linspace(0, len(seg), fixed_len), np.arange(len(seg)), seg ) segments_resampled.append(seg_rs)逻辑说明以主波峰为中心取 0.4 秒窗这样每个周期都包含完整的上升支和下降支窗口太短会截断主波形态窗口太长会把相邻周期的尾部混进来。重采样到固定长度是为了消除心率差异导致的长度不一致——心率 75 的人一个周期 0.8 秒心率 100 的人一个周期 0.6 秒直接比较原始长度特征会引入心率这个混淆变量。3.2 特征提哪些时域、小波能量、近似熵特征工程是整个脉搏识别里最值得花时间的地方。我的经验是一组能打的脉搏特征通常分成三块时域形态特征、小波能量特征、非线性熵特征。时域特征直接反映搏动强度与波形形态包括均值、方差、峭度、偏度、主波幅度、主波上升时间。小波能量特征反映信号在不同频带上的分布——有些病理状态会改变脉搏的能量分配这是单看时域波形看不出来的。近似熵或样本熵刻画脉搏波形的规律性健康脉搏波形稳定熵值偏低某些异常状态波形变得杂乱熵值偏高。下面是我常用的特征提取函数from scipy.stats import skew, kurtosis import pywt import numpy as np def extract_features(seg, fs): seg seg - np.mean(seg) feats {} # 1. 时域形态特征 feats[std] float(np.std(seg)) feats[skew] float(skew(seg)) feats[kurt] float(kurtosis(seg)) feats[amplitude] float(np.max(seg) - np.min(seg)) feats[rise_time] float(np.argmax(seg) / fs) # 主波上升时间 # 2. 小波包能量三层分解后取 8 个节点 wp pywt.WaveletPacket(dataseg, waveletdb2, modesymmetric, maxlevel3) node_names [aaa, aad, ada, add, daa, dad, dda, ddd] energies [] for name in node_names: energies.append(float(np.sum(wp[name].data ** 2))) total_e sum(energies) 1e-9 for i, e in enumerate(energies): feats[fwp_energy_{i}] e / total_e # 3. 主波间隔单位秒 peaks, _ find_peaks(seg, distanceint(fs * 0.3)) if len(peaks) 2: feats[ppi_mean] float(np.mean(np.diff(peaks)) / fs) else: feats[ppi_mean] float(np.nan) return feats关键参数说明WaveletPacket用db2是因为小波包分解要提取细粒度频带特征不需要像预处理那样用长滤波器maxlevel3把每个周期分成 8 个子带能量归一化后各分量相加为 1这样不同受试者之间的绝对幅值差异不会主导分类。ppi_mean是平均脉搏间隔如果某个周期太短没检出两个峰返回 NaN后面统一填充。3.3 特征矩阵构建与 NaN 处理所有周期都过一遍特征函数后拼成特征矩阵。NaN 不能直接喂给分类器我习惯用训练集的中位数填充feat_list [] labels_list [] person_list [] for seg, label, pid in zip(segments_resampled, labels, person_ids): f extract_features(seg, fs) feat_list.append(f) labels_list.append(label) person_list.append(pid) X pd.DataFrame(feat_list) y np.array(labels_list) groups np.array(person_list) # 先划分训练集和测试集再用训练集中位数填 NaN from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test, groups_train, groups_test train_test_split( X, y, groups, test_size0.2, random_state42, stratifyy ) fill_val X_train.median() X_train X_train.fillna(fill_val) X_test X_test.fillna(fill_val)这里有一个很多人会犯的错先对整个数据集做fillna再划分测试集的信息就泄漏进了训练集。正确做法是先 split 再用训练集的统计量去填测试集后面所有归一化操作也都遵循这个原则。3.4 个体差异太大怎么办归一化与个性化校准脉搏信号最让人头疼的就是个体差异。不同人的血管壁厚度、血压水平、皮肤导电性都会改变波形绝对幅值同一个人的不同时间段信号也不一样。我的做法分两步。第一步把所有特征做标准化让每个特征在训练集上均值为 0、方差为 1。第二步如果发现同一个人的样本聚在一起但不同人差异很大说明模型学到了“人”而不是“类别”这时需要按人做归一化——即用每个受试者自己的数据做标准化或者干脆把受试者 ID 作为分组信息放进交叉验证里而不是直接当特征用。具体做法在第 4 章会看到。4. 分类器选型小样本下先别上深度学习XGBoost 和 SVM 更稳4.1 先定任务二分类还是多分类样本量决定模型复杂度脉搏识别项目到了建模这一步先别急着跑模型先回答两个问题你的标签有几类每一类有多少样本我看过太多人一上来就上 LSTM、Transformer结果样本几百条训练都不收敛回头怪数据不行。这类课题最常见的是二分类任务——正常与异常或者两个类别之间的鉴别诊断也有做多分类的比如几种常见脉象分型。样本量是一个硬约束。几百条周期样本SVM 和 XGBoost 是稳妥选择上万条样本再考虑把“小波特征 Elman 神经网络”这种方案排上日程。Elman 是带反馈的循环网络对时间序列有天然的记忆能力很多人把它和小波结合先用小波提取特征再把特征序列喂给 Elman但这种方案在小样本下非常容易过拟合而且调参成本比 XGBoost 高一倍都不止。4.2 SVM 和 XGBoost 的核心参数底线SVM 我默认用 RBF 核两个参数决定生死C和gamma。C是惩罚系数C越大越容易过拟合gamma控制 RBF 核的作用半径gamma太小模型欠拟合gamma太大模型只看得到局部点。经验范围是C在 0.1100 之间gamma在 0.0011 之间用网格搜索。XGBoost 做二分类要盯住四个参数参数常见范围作用说明max_depth24树深度太深必过拟合脉搏特征维度通常 20 以下深度 2 就够learning_rate0.010.1学习率越小越稳但要更多树n_estimators100300树数量配合早停使用subsample0.81.0每棵树的样本采样比例防过拟合如果特征维度很高也可以先跑一遍随机森林看特征重要性把无关特征删掉再进 xgboost分类器会更稳。这一步很多人省掉后果是噪声特征被反复分裂训练集分数高得离谱测试集直接崩。4.3 带 GroupKFold 的 XGBoost 网格搜索代码这里要特别强调分组交叉验证。脉搏信号的很多周期来自同一个人如果随机切分同一个人的周期会同时出现在训练集和测试集模型记住的是“这个人”而不是“这个类别”指标虚高得让你以为任务已经解决了换一批新受试者就原形毕露。import xgboost as xgb from sklearn.model_selection import GroupKFold, GridSearchCV from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline # X_train/y_train/groups_train 来自上一节 scaler StandardScaler() clf xgb.XGBClassifier( objectivebinary:logistic, eval_metriclogloss, use_label_encoderFalse, random_state42 ) pipe Pipeline([ (scaler, scaler), (clf, clf) ]) param_grid { clf__max_depth: [2, 3], clf__learning_rate: [0.05, 0.1], clf__n_estimators: [100, 200], clf__subsample: [0.8, 1.0], } gkf GroupKFold(n_splits5) grid GridSearchCV( pipe, param_grid, cvgkf, scoringf1, n_jobs-1, verbose1 ) grid.fit(X_train, y_train, groupsgroups_train) print(best params:, grid.best_params_) print(best CV F1:, grid.best_score_)逻辑说明Pipeline把标准化和分类器串起来GridSearchCV在交叉验证内部做标准化避免数据泄漏。GroupKFold(n_splits5)按groups_train分组切分同一受试者的所有周期只会落在一侧。scoringf1是因为脉搏分类通常正负样本不平衡准确率没有参考价值。参数说明里有个关键点groupsgroups_train不是传进Pipeline的而是传给GridSearchCV.fit的——因为GroupKFold需要知道哪些样本属于同一个受试者才能分组划分。网格搜索跑完后best_params_里的键带clf__前缀取出来直接用即可。4.4 小波 Elman 神经网络可以玩但不是默认选项如果你样本量真的够大——比如上万条周期并且按受试者划分后训练集依旧充足——可以试试“小波特征 Elman”这条路。常见做法是把每个周期的时域、小波能量特征构成特征序列按期次顺序喂给 Elman 网络让网络去建模相邻周期之间的时序依赖。它的优势是能捕捉脉搏随呼吸节律的连续变化而不只是孤立地看单个周期。但要说清楚Elman 的收敛很依赖学习率和初始权重的运气同一份数据跑两次结果都可能不同。我的建议是把它当作一个对照实验——拿到 SVC 和 XGBoost 的分数后再跑 Elman如果 Elman 在验证集上明显超过前两者才值得纳入考虑。否则稳定的传统分类器才是这类任务的底线保障。5. 脉搏信号分类的 5 个经典踩坑现象、原因、解法5.1 采样率不统一特征全都错位现象从不同设备采集的脉搏数据混在一起分类模型在训练集上 F1 有 0.9测试集掉到 0.6怎么调参都没用。原因不同设备采样率不同有的 500Hz有的 125Hz。特征提取时如果没注意采样率同一个时间窗包含的采样点数完全不同小波分解的层数也会错配特征分布直接被搅乱。解决在进入任何处理流程之前先统计每个文件的采样率统一重采样到同一个目标采样率。常见做法是用scipy.signal.resample把数据插值到目标长度或者干脆在数据读取阶段就按实际采样率单独标注。5.2 小波重构后主波严重变形峰值检测失灵现象预处理后画图脉搏主波从 sharp 的脉冲变成了钝圆的山包find_peaks检出的峰位置对不上真实心跳位置。原因软阈值的阈值设得过大把主波的高频细节也一并削掉了。还有可能是丢弃近似分量时把低至 1Hz 的基波信息也丢掉了导致重构波形失去锐度。解决调低阈值把thr乘 0.5 看看波形是否有改善在丢弃近似分量前先画谱图确认频率边界。我一直建议预处理后必须画一张时域对比图肉眼确认主波形态没有明显畸变再往下走。5.3 数据泄漏同一个人的周期同时进了训练集和测试集现象随机划分数据时准确率 0.95换成按受试者独立划分后掉到 0.7这个落差就是典型的泄漏。原因同一人的多个脉搏周期不是独立的它们共享血管特性、血压水平等“人的属性”。随机划分把这些相近样本分散到两侧模型学的是人而不是类别。解决一律用GroupKFold或者GroupShuffleSplit把受试者 ID 作为分组信息传入。特征工程里的归一化、填充也必须放在划分之后执行让训练集的统计量不接触测试集。5.4 心率特征混进模型模型把“快心率”当成了“异常”现象模型对心动过速的人全部判成异常漏检率很高。原因如果把ppi_mean脉搏间隔直接当特征输入分类器很容易学到“心率快 异常”这个伪规律。脉搏分类真正要学的是波形形态差异心率是干扰因素。解决要么把ppi_mean去掉不喂给模型要么把每个周期先按主波峰对齐后进行幅值归一化消除心率对周期长度的影响。在特征重要性分析里看到ppi_mean排第一时就要警惕是不是分类器走捷径了。5.5 标签本身就是主观标注互相矛盾的标签让模型无所适从现象数据集中同一受试者的相似波形被标成不同类别模型训练损失一直在高位降不下去。原因脉搏分类的标签很多是由人标注的而脉搏波形在不同时间段会有自然波动标注者可能把同一人的不同时段看成不同状态。还有一些任务是按中医脉象标注的主观性更强。解决先做标签清洗——把每个受试者所有周期的预测分布画出来如果同一个人的标签出现频繁跳变把这类样本标注出来人工复核。或者把多周期预测结果做平滑一个受试者的最终标签由他在一个时段内的多数预测决定而不是单拍决定。6. 验证与落地混淆矩阵、个体独立划分和逐拍对齐技巧最后一步也是决定这个方案能不能被信服的一步严格验证。我见过的脉搏识别项目十个里有八个死于验证方式不严谨所以这块我做得比较细。第一个验证习惯是看混淆矩阵而不是只看准确率。用测试集预测结果画混淆矩阵能直接看到模型把哪两类容易混在一起——正常被误判成异常会带来不必要的就医提示异常被误判成正常则更危险两类错误的代价完全不同。第二个习惯是分受试者验证。不管你现在数据量多大我都建议至少做一次“留一受试者交叉验证”或按受试者分组的验证把不同人的所有周期放进同一折。只有通过这种考验你才能对模型的泛化能力有底。第三个技巧是逐拍对齐和多数表决。脉搏信号天然是拍序列10 秒信号里有十几个周期每个周期都能产出一个分类结果。与其依赖单拍我习惯这样处理from collections import Counter # 假设第 k 个测试受试者的所有周期特征已提取逐个预测 beat_preds [] for fi in X_person_test: p grid.predict(fi.reshape(1, -1))[0] beat_preds.append(p) # 多数表决这个人在该时段最终判为票数最多的类别 final_pred Counter(beat_preds).most_common(1)[0][0]逻辑说明逐拍预测后用Counter做多数表决相当于给系统加了一层时间维度的平滑。单个周期可能因为噪声、运动伪迹被误判但多数周期是一致的。这个技巧在落地场景里很实用——监测设备不会因为一次误判就报警而是看一段时间窗内的多数结论。我的习惯是每改一个特征或参数就重新跑一遍分受试者的交叉验证把混淆矩阵和分类报告都打印出来存档。因为脉搏信号处理这种东西改一个细节可能引起连锁反应不靠记录很难定位是哪一步动了导致结果变好。这条路上没有太多捷径但把预处理、特征、验证三条线做扎实了这个方向确实值得投入希望帮到你。本文还有配套的精品资源点击获取