MATLAB，ECG，去噪，小波

【核心代码】

clc
clear

load('SignalMIT.mat');
%应用db5作为小波函数进行3层分解
%利用无偏似然估计阈值
% signalPTB1=[];
for i=1:size(SignalMIT);
    E=SignalMIT(i,:);
    n=size(E);
%     s=E(1:2000);
    %小波分解
    [C L]=wavedec(E,3,'db5');
    % 从c中提取尺度3下的近似小波系数
    cA3=appcoef(C,L,'db5',3);
    %从信号c中提取尺度1,2,3下的细节小波系数
    cD1=detcoef(C,L,1);
    cD2=detcoef(C,L,2);
    cD3=detcoef(C,L,3);
    %使用stein的无偏似然估计原理进行选择各层的阈值
    %cD1,cD2,cD3为各层小波系数， 
    %'rigrsure’为无偏似然估计阈值类型
    thr1=thselect(cD1,'rigrsure');
    thr2=thselect(cD2,'rigrsure');
    thr3=thselect(cD3,'rigrsure');
    %各层的阈值
    TR=[thr1,thr2,thr3];
    %'s'为软阈值;'h'硬阈值。
    SORH='s';
    %---------去噪----------------
    %XC为去噪后信号
    %[CXC,LXC]为的小波分解结构
    %PERF0和PERF2是恢复和压缩的范数百分比。
    %'lvd'为允许设置各层的阈值,
    %'gbl'为固定阈值。
    %3为阈值的长度
    [XC,CXC,LXC,PERF0,PERF2]=wdencmp('lvd',E,'db5',3,TR,SORH);
%     %---------去噪效果衡量（SNR越大效果越好,MSE越小越好）----------
%     %选取信号的长度。
%     N=n(2);
%     x=E;
%     y=XC;
%     F=0;
%     M=0;
%     for ii=1:N
%         m(ii)=(x(ii)-y(ii))^2;
%         t(ii)=y(ii)^2;
%         f(ii)=t(ii)/m(ii);
%         F=F f(ii);
%         M=M m(ii);
%     end;
%     SNR=10*log10(F);
%     MSE=M/N;
%     SM=SNR/MSE;
%     %对比原始信号和除噪后的信号
%     subplot(3,1,2);
%     plot(s(1:2000));
%     title('原始信号')
%     subplot(3,1,3);
%     plot(XC(1:2000));
%     title('除噪后的信号')
%     SNR,MSE
SignalMIT1(i,:)=XC;
end
% plot(signalPTB1(2,1:2000));
save('SignalMIT1.mat','SignalMIT1');