ECG Project 简介

项目的初衷是想通过 ECG 信号来预测运动状态下的 RPE。

具体可以分为 3 个板块：

1. 数据采集；
2. 数据处理；
3. 深度学习。

数据采集

ECG 采集

Polar H10

1. cocoapods 更新失败的解决办法

2. 使用 Cocoapods 时报错 Sandbox: rsync.samba(62830) deny(1)

3. Xcode 工程 Bluetooth Always Usage Description 设置问题

4. 开发 Polar H10 心率带遇到的时间戳问题

5. 报错 ‘async’ call in a function that does not support concurrency

DIY

1. 树莓派配置蓝牙（终端）
2. 树莓派蓝牙连接 HC05 提示 Failed to connect: org.bluez.Error.NotAvailable 解决办法
3. macOS 查看蓝牙设备的 MAC 地址

RPE 采集

1. SwiftUI 下 WatchOS 与 iOS 通信
2. Xcode 真机调试 iWatch 的坑

ACC 采集

1. Polar H10 的加速度坐标系

其他

1. ECG/PPG 量测解决方案
2. 使用 SensorKit 获取 iWatch 的 PPG 信号

数据处理

HeartPy

1. 「文档翻译」HeartPy - Python Heart Rate Analysis Toolkit I

2. 「文档翻译」HeartPy - Python Heart Rate Analysis Toolkit II

Neurokit

1. Neurokit 分析心率的简单用法
2. 如何让 plt.savefig() 为最大化的窗口保存图像，而不是默认的尺寸
3. Pandas List 转换为 Series

其他

1. Python 纳秒时间戳转时间
2. Pandas 把日期相同的两组数据对齐
3. matplotlib 组件之间的层级关系

深度学习

1. 通过 HRV 预测运动 RPE
2. ANN、RNN 与 CNN 在运动信号方面的研究
3. Python 使用 wfdb 库处理 MIT-BIH 心律失常数据
4. 利用 RNN 对 ECG 心电信号进行心拍分类（pytorch）
5. 利用 CNN 对 ECG 心电信号进行心拍分类（pytorch）
6. DTC 模型时间序列聚类