Daubechies wavelet 6（DB6）
使用Daubechies wavelet 6 filters方法对ECG进行降噪和基线消除（Denoising and baseline removal of all ECG signals was performed with）
很多ECG应用的论文在预处理中都是用这个小波。
小波变换基本知识：https://wenku.baidu.com/view/6fd846ffba0d4a7302763a3a.html、https://www.cnblogs.com/jfdwd/p/9249850.html
小波变换可以解决傅立叶变换无法观察时域的问题
方法的论文：Optimal selection of wavelet basis function applied to ECG signal denoising
R-peak detection is using Pan-Tompkins algorithm
论文：A real-time QRS detection algorithm
数据标准化
（1）Z-Score 标准化（零均值标准化）https://blog.csdn.net/Orange_Spotty_Cat/article/details/80312154
零-均值规范化也称标准差标准化，经过处理的数据的均值为0，标准差为1。
（2）最大最小标准化最小-最大规范化也称为离散标准化，是对原始数据的线性变换，将数据值映射到[0, 1]之间。
（3）小数定标法
通过移动属性值的小数位数，将属性值映射到[-1, 1]之间，移动的小数位数取决于属性值绝对值的最大值。
数据标准化可以在与处理中解决幅度缩放问题，缩放后的数据可以放入NN。
论文Optimal selection of wavelet basis function applied to ECG signal denoising 综述一般来说，用于去噪的信号处理算法可以提供最佳性能并消除连续心电图信号中任意两次跳动之间的高频噪声，但信号处理算法会显著降低心电图信号的特征波峰值。本文提出了一种母小波基函数的选择方法，在保持信号峰值接近全振幅的同时，对小波域的心电信号进行去噪。
本文的研究范围是探讨分解滤波器的特性是否在心电图信号去噪中起到重要作用。主要目标是研究小波阈值技术在心电图信号去噪中的适用性，选择最佳的小波基函数来表达ECG信号。
最后得出了小波信号去噪中最相关的分解滤波器组。方法
介绍了Discrete wavelet transform (DWT)、Filter bank and regularity，给出了选择最佳小波组的方法：
对test中的ECG进行测试，根据规则对ECG信号和选择的滤波器进行cross correlation coefficient计算，发现8阶小波滤波器最好，如图。
选择了小波滤波后，从小波中恢复原来的ECG波，并且不含噪声，这样就完成了去噪。
恢复的方法和判别小波中那些是噪声的方法：
小波阈值的选择影响了噪声，如何选择阈值，本文使用的是去掉小系数的小波：
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. 系数是由噪声引起的，可以设置为零，而信号存储在几个大系数中，应该保留这些系数。
in this work the minimizer of the generalized cross validation (GCV) function for threshold selection has been used.结论
通过对不同的滤波基降噪对比，发现具有较低的偏移方差和合理的消隐时刻（ lower shift variance and with a reasonable number of vanishing moments）的小波滤波器是去噪的最佳选择。得到第8阶Daubechies滤波器最适合做ECG的降噪。
本文对用于心电信号去噪的最优小波基函数进行了选择。实验结果表明，8阶Daubechies母小波是最适合去噪应用的小波基函数。所选择的基函数不仅在均方根误差（RMSE）方面是最优的，而且保留了心电图信号的峰值，其中包含有诊断价值的生理信息。期望本文所做的分析能有助于护理人员准确诊断患者的心血管疾病。
也就是对于ECG信号，可以先用8阶Daubechies母小波进行去噪，之后再对去噪后的数据进行研究。
一个预处理过程论文Region Aggregation Network: Improving Convolutional Neural Network for ECG Characteristic Detection的预处理过程
ECG signal preprocessing（1）降噪
使用小波变换来降噪，使用的小波为Dual-Tree Complex Wavelet Transform (DTCWT).用DTCWT将心电图信号分解成11个尺度，保留2至9级的信息重建信号，其余的被视为噪声并设置为零。这样就达到了降噪的效果。
（2）消除基线飘移
使用中值滤波器来消除基线飘移。
使用200 ms宽的中值滤波器去除P波和QRS波杂波，然后使用600 ms宽的中值滤波器去除T波来拟合基线。这样据可依从去噪信号中减去拟合的基线。
（3）数据分割
DPI algorithm 来找到QRS peaks（心电图的每部分的那个峰值），计算平均RR间隔长度，使用g进行分割：
（4）数据增加
对于数据分割采用不同大小的窗口，来得到更多的数据段
