一个心动周期内的PPG信号

该数据基于 Kaggle 平台的 Photoplethysmography (PPG) Dataset 展开通过 Python 加载数据并查看基本信息，确认数据集为含 2576 行、2001 列（2000 列 float64 类型特征、1 列 object 类型 “Label” 列）、占用约 39.3MB 内存的 DataFrame，目标变量 “Label” 分为 “Normal”（无心肌梗死迹象）和 “MI”（心肌梗死相关迹象）两类。接着进行数据查看，绘制前 20 行 PPG 信号变化趋势图，发现部分信号存在明显噪声；绘制标签分布图，得知 “Normal” 标签 1282 个、“MI” 标签 1294 个，两类标签分布均衡。随后进入数据预处理阶段，针对信号噪声问题，采用高斯加权移动滤波方法（窗口大小 51、标准差 5）对数据进行滤波，对比原始信号与滤波后信号，确认达到预期滤波效果，并将所有数据滤波后生成新数据集 ；为简化建模复杂度，基于 PPG 信号 “上升 - 峰值 - 下降 - 谷值” 的周期性特征，利用 find_peaks 函数检测滤波后数据的峰值与谷值，提取第二部分单周期信号，且统一单周期信号长度为 250，经验证提取结果均符合单周期规律，最终生成新数据集 “cycles”，为后续建模分析奠定基础。