def vop_seg_derivada(tiempo_ecg, ecg, tiempo_pulso1, pulso1, tiempo_pulso2, pulso2, distancia):
#~~~~~~~~~~~~~~~~~~~~~~~~~Senales ECG ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
coef_num = 51
f_cut = 0.034 # Frecuencia de corte 60 Hz
coef = signal.firwin(coef_num, f_cut, window='hamming',nyq=1800)
f_ecg = window_filtering.Filter(ecg, coef_num, coef);
# Identificación de puntos de la Onda ECG:
pos_ecg = maximos_ecg(f_ecg)
#~~~~~~~~~~~~~~~~~~~~Senal de pulso 1 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
coef_num = 15
f_cut = 0.01875
coef = signal.firwin(coef_num, f_cut, window='hamming',nyq=900)
f_pulso1 = window_filtering.Filter(pulso1, coef_num, coef);
# Identificación de los puntos de la onda de pulso1
pos_pulso1 = seg_derivada_maxima(tiempo_pulso1, f_pulso1, tiempo_ecg[pos_ecg])
#~~~~~~~~~~~~~~~~~~~~Senal de pulso 2 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
f_pulso2 = window_filtering.Filter(pulso2, coef_num, coef);
# Identificación de los puntos de la onda de pulso1
pos_pulso2 = seg_derivada_maxima(tiempo_pulso2, f_pulso2, tiempo_ecg[pos_ecg])
# Cálculo del tiempo de tránsito:
tt = transit_time(tiempo_ecg[pos_ecg], tiempo_pulso1[pos_pulso1], tiempo_pulso2[pos_pulso2])
vop = []
for k in tt:
vop.append(distancia / k)
vop = np.array(vop)
return f_ecg, f_pulso1, f_pulso2, pos_ecg, pos_pulso1, pos_pulso2, vop
def firFilter(self, cutoff=50, numtaps=31, pass_zero=True, fs=1800):
""""This module process the signal with a low pass fir filter (hamming window).
:param cutoff Cut off frequency in Hz.
:param numtaps Number of coeficients of the fir filter
:param pass_zero Should be always True for being a low pass filter
:param fs Sampling frecuency in Hz.
"""
# Calculating nyquist frequency, also know as folding frequency:
nyq = int(fs / 2)
# Scaling the cutoff frequency to the nyquist frequency:
if type(cutoff) == type([]):
cutoff = [(float(c) / nyq) for c in cutoff]
else:
cutoff = cutoff / float(nyq)
# Fir coeficient generation:
ventana = signal.firwin(numtaps=numtaps,
cutoff=cutoff,
pass_zero=pass_zero,
nyq=1)
# Sinal filtering:
self.ecg = window_filtering.Filter(self.ecg, numtaps, ventana)
return self
def seg_derivada_maxima(tiempos_original, original, tiempos_ecg):
# Procesando la señal de pulso a una frecuencia de 20 Hz
coef_num = 15
f_cut = 0.0111
delay = (coef_num - 1)/2
deriv_p = signal.firwin(coef_num, f_cut, window='hamming',nyq=1800)
f_orig = window_filtering.Filter(original, coef_num, deriv_p);
#~~~~~~~~~~~~~~~~~~~~~Primera derivada~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
# Se deriva la señal para obtener la primera derivada:
pri_deriv = np.diff(original)
coef_num = 21
f_cut = 0.1
deriv_p = signal.firwin(coef_num, f_cut, window='hamming',nyq=800)
f_pri_deriv = window_filtering.Filter(pri_deriv, coef_num, deriv_p);
#~~~~~~~~~~~~~~~~~~~~~Segunda derivada~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
seg_deriv = np.diff(f_pri_deriv)
f_seg_deriv = window_filtering.Filter(seg_deriv, coef_num, deriv_p);
## Identificación de los puntos de la onda de pulso2:
posPuntMaxP1 = maximos_num(tiempos_original, f_seg_deriv, tiempos_ecg)
#return posPuntMaxP1, puntMaxP1, f_orig, pri_deriv, f_pri_deriv
puntMaxP1 = f_seg_deriv[posPuntMaxP1]
rangTol = 0.3
valMin = np.median(puntMaxP1) * (1 - rangTol)
valMax = np.median(puntMaxP1) * (rangTol + 1)
# Ubicando los puntos que no están en el rango de tolerancia:
eliPuntos = np.where( (puntMaxP1 <= valMin) | (puntMaxP1 >= valMax) )
# Eliminando puntos y sus posiciones fuera del rango:
puntMaxP1 = np.delete(puntMaxP1, eliPuntos)
posPuntMaxP1 = np.delete(posPuntMaxP1, eliPuntos)
intPosPuntosMax = []
for x in posPuntMaxP1:
intPosPuntosMax.append(int(x))
return intPosPuntosMax
def __firFilter(self, signal1, numtaps, cutoff, pass_zero, nyq):
ventana = signal.firwin(numtaps=numtaps,
cutoff=cutoff,
pass_zero=pass_zero,
nyq=nyq)
return window_filtering.Filter(signal1, numtaps, ventana)