Daubechies wavelet 6（DB6）
使用Daubechies wavelet 6 filters方法對ECG進行降噪和基線消除（Denoising and baseline removal of all ECG signals was performed with）
很多ECG應用的論文在預處理中都是用這個小波。
小波變換基本知識：https://wenku.baidu.com/view/6fd846ffba0d4a7302763a3a.html、https://www.cnblogs.com/jfdwd/p/9249850.html
小波變換可以解決傅立葉變換無法觀察時域的問題
方法的論文：Optimal selection of wavelet basis function applied to ECG signal denoising
R-peak detection is using Pan-Tompkins algorithm
論文：A real-time QRS detection algorithm
數據標准化
（1）Z-Score 標准化（零均值標准化）https://blog.csdn.net/Orange_Spotty_Cat/article/details/80312154
零-均值規范化也稱標准差標准化，經過處理的數據的均值為0，標准差為1。
————————————————
（2）最大最小標准化最小-最大規范化也稱為離散標准化，是對原始數據的線性變換，將數據值映射到[0, 1]之間。
（3）小數定標法
通過移動屬性值的小數位數，將屬性值映射到[-1, 1]之間，移動的小數位數取決於屬性值絕對值的最大值。
數據標准化可以在與處理中解決幅度縮放問題，縮放后的數據可以放入NN。
論文Optimal selection of wavelet basis function applied to ECG signal denoising
綜述
一般來說，用於去噪的信號處理算法可以提供最佳性能並消除連續心電圖信號中任意兩次跳動之間的高頻噪聲，但信號處理算法會顯著降低心電圖信號的特征波峰值。本文提出了一種母小波基函數的選擇方法，在保持信號峰值接近全振幅的同時，對小波域的心電信號進行去噪。
本文的研究范圍是探討分解濾波器的特性是否在心電圖信號去噪中起到重要作用。主要目標是研究小波閾值技術在心電圖信號去噪中的適用性，選擇最佳的小波基函數來表達ECG信號。
最后得出了小波信號去噪中最相關的分解濾波器組。
方法
介紹了Discrete wavelet transform (DWT)、Filter bank and regularity，給出了選擇最佳小波組的方法：
————————————————
對test中的ECG進行測試，根據規則對ECG信號和選擇的濾波器進行cross correlation coefficient計算，發現8階小波濾波器最好，如圖。
選擇了小波濾波后，從小波中恢復原來的ECG波，並且不含噪聲，這樣就完成了去噪。
恢復的方法和判別小波中那些是噪聲的方法：
小波閾值的選擇影響了噪聲，如何選擇閾值，本文使用的是去掉小系數的小波：
wavelet thresholding leads setting of small wavelet coefficient to zero and retaining or shrinking the coefficients corresponding to desired signal.
small coefficients are due to noise and can be set to zero, while the signal is stored in a few large coefficients, which should be retained. 系數是由噪聲引起的，可以設置為零，而信號存儲在幾個大系數中，應該保留這些系數。
in this work the minimizer of the generalized cross validation (GCV) function for threshold selection has been used.
結論
通過對不同的濾波基降噪對比，發現具有較低的偏移方差和合理的消隱時刻（ lower shift variance and with a reasonable number of vanishing moments）的小波濾波器是去噪的最佳選擇。得到第8階Daubechies濾波器最適合做ECG的降噪。
本文對用於心電信號去噪的最優小波基函數進行了選擇。實驗結果表明，8階Daubechies母小波是最適合去噪應用的小波基函數。所選擇的基函數不僅在均方根誤差（RMSE）方面是最優的，而且保留了心電圖信號的峰值，其中包含有診斷價值的生理信息。期望本文所做的分析能有助於護理人員准確診斷患者的心血管疾病。
也就是對於ECG信號，可以先用8階Daubechies母小波進行去噪，之后再對去噪后的數據進行研究。
一個預處理過程
論文Region Aggregation Network: Improving Convolutional Neural Network for ECG Characteristic Detection的預處理過程
ECG signal preprocessing
（1）降噪
使用小波變換來降噪，使用的小波為Dual-Tree Complex Wavelet Transform (DTCWT).用DTCWT將心電圖信號分解成11個尺度，保留2至9級的信息重建信號，其余的被視為噪聲並設置為零。這樣就達到了降噪的效果。
（2）消除基線飄移
使用中值濾波器來消除基線飄移。
使用200 ms寬的中值濾波器去除P波和QRS波雜波，然后使用600 ms寬的中值濾波器去除T波來擬合基線。這樣據可依從去噪信號中減去擬合的基線。
（3）數據分割
DPI algorithm 來找到QRS peaks（心電圖的每部分的那個峰值），計算平均RR間隔長度，使用g進行分割：
————————————————
（4）數據增加
對於數據分割采用不同大小的窗口，來得到更多的數據段
