ECG和PPG信号用于PTT、HRV和PRV研究（Matlab代码实现）

本文主要是介绍ECG和PPG信号用于PTT、HRV和PRV研究（Matlab代码实现），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

获得的数据在第1通道上具有ECG，在第二通道上具有PPG，两者都经过处理以提取所需的特征，对于：ECG和PPG信号用于PTT、HRV和PRV研究

ECG（心电图）和PPG（光电脉搏图）信号是常用于生理研究的两种信号。它们可以用于研究血管功能、心脏健康和自主神经系统的活动。在这些研究中，常用的参数包括PTT（脉搏传导时间）、HRV（心率变异性）和PRV（脉搏波变异性）。

PTT是指从心脏收缩开始到脉搏波到达某一特定位置的时间。它可以用来评估心脏和血管的功能状态。通常情况下，PTT越短，说明心脏和血管的功能越好。通过测量ECG和PPG信号的时间差，可以计算出PTT。

HRV指的是心率的变异性。正常情况下，心率是有一定波动的，这种波动反映了自主神经系统的活动。通过分析ECG信号的R-R间期（相邻两个R波之间的时间间隔），可以计算出HRV。HRV较高的人通常具有更好的心脏健康和更强的自主神经系统功能。

PRV是指脉搏波的变异性。脉搏波是由心脏收缩引起的血液脉动，它的形状和特征可以反映心脏和血管的状态。通过分析PPG信号的脉搏波形状和特征，可以计算出PRV。PRV较高的人通常具有更好的血管弹性和更健康的心血管系统。

总之，ECG和PPG信号可以通过计算PTT、HRV和PRV来评估心脏、血管和自主神经系统的功能状态。这些参数在心脏疾病、高血压、糖尿病等疾病的研究中具有重要的临床应用价值。

📚2 运行结果

部分代码：

%% PRV
k=1;
for i=1:ppg_peaks-1
f(k)= ppg_pos(i+1)-ppg_pos(i);
k=k+1;
end
pr=60./mean(f);
prv= 60./f;
figure,stairs(prv);
title('PRV');
xlabel('samples');
ylabel('prv');
%% PTT
ptt=(ppg_pos-ecg_pos);
figure,stairs(ptt);
title('PTT');
xlabel('ptt');
ylabel('time');

%% notch detection

%%moving average filter
av=smooth(z,150);

%%differentiation
p=100*diff(av,1); % (signal,order of differentiation), 100 to amplify the signal

%%finding peak of the notch on the differentiated signal
np=1; % notch peak
m=length(p);
for i=2:m-1
if p(i)> p(i-1) && p(i)>= p(i+1)
val(np)= p(i);
pos(np)=i;
np=np+1;
end
end
u=1;
for j=1:2:length(pos)
notch_pos(u)=pos(j);
notch_val(u)=val(j);
u=u+1;
end

n_val=z(notch_pos);

%% reflection index = b/a *100
%b=diff between notch and peak in y axis
%a=ppg peak value in y axis
nv=n_val(2,:)';
ri=((ppg_val-nv)./ppg_val)*100;
ref_index=mean(ri)

%% stiffness index = h/ptt;
h=0.60;%h is the length from subject's finger tip to heart
si=(h./ptt);
stif_index=mean(si)