HRV去伪影：通过比较当前的RR值与周围10个RR间隔值(medRR)的中位数，可以检测到缺失或额外的节拍，采用的是中位数插值，并不是三样条插值法

前言

经调研发现，国内外基于脉搏波收集的RRI数据容易产生伪差，受到运动干扰较大，夜间睡眠、静息状态下的数据可能质量相对更好。因为人体交感和副交感神经调节的昼夜节律，白天和夜间静息下的HRV指标也会有波动。所以从Huawei Research直接拿到的数据是会存在一定的伪影数据，不能直接用于计算。临床上广泛用于HRV计算的的一款叫Kubios软件，它里面有个论文有讲到怎么去除伪影：基于阈值的节拍校正算法。具体做法：

Ectopic beats form negative-positive-negative (NPN) or positive-negative-positive (PNP) patterns to the dRR series. Similarly long beats
form positive-negative (PN) and short beats negative-positive (NP) patterns to the dRR series. Only dRR segments containing these
patterns are classified as artefact beats. Missed or extra beats are detected by comparing current RR value with median of the
surrounding 10 RR interval values (med RR). A missed beat is detected if current RR interval (RR(i)) satisfies condition

and an extra beat is detected if two successive RR intervals (RR(i) and RR(i+ 1 )) satisfies condition

Correction of detected artefacts: Detected ectopic beats are corrected by replacing corrupted RR times by interpolated RR values.
Similarly too long and short beats are corrected by interpolating new values to the RR time series. Missed beats are corrected by adding
new R-wave occurrence time and extra beats are simply corrected by removing extra R-wave detection and recalculating RR interval
series.
翻译大概意思是异位跳动对dRR系列形成阴性阳性阴性(NPN)或阳性阴性阳性(PNP)模式。同样，dRR系列的长节拍形成正阴性(PN)和短节拍负阳性(NP)模式。只有包含这些模式的dRR片段被归类为伪节拍。通过比较当前的RR值与周围10个RR间隔值(medRR)的中位数，可以检测到缺失或额外的节拍。如果当前RR间隔（RR(i)）满足第一个公式条件，则检测到遗漏的节拍；如果两个连续的RR间隔（RR(i)和RR（i+1））满足第二个公式条件，则检测到一个额外的节拍。
检测到的伪影的修正：检测到的异位跳动通过用插值的RR值替换损坏的RR时间来纠正。同样地，通过插入RR时间序列的新值来修正。通过添加新的r波出现时间来纠正缺失的节拍，并通过删除额外的r波检测和重新计算RR区间序列来纠正额外的节拍。
基于这个，他们会使用三次样条插值来将检测的伪影数据来进行替换。

提取部分算法：

通过比较当前的RR值与周围10个RR间隔值(medRR)的中位数，可以检测到缺失或额外的节拍。如果当前RR间隔（RR(i)）满足第一个公式条件，则检测到遗漏的节拍；如果两个连续的RR间隔（RR(i)和RR（i+1））满足第二个公式条件，则检测到一个额外的节拍。

思路

获取当前的RR值与周围10个RR间隔值(medRR)的中位数，先定义两个变量，分别减5，作为参数变动来获取当前rr值的周围十个rr值。获取之后，即可以开始进行条件判断进行判断，这里我采用的将算出来的中位数来作为插值插入到数值中，并不是三样条插值法。

因为是个人智力成果，故作为下载资源。

HRV去伪影：通过比较当前的RR值与周围10个RR间隔值(medRR)的中位数，可以检测到缺失或额外的节拍