使用零相移滤波器

README.md

@@ -1,7 +1,13 @@
 # 预对齐程序使用方法
-![](https://pics-cloud.6277837.xyz/imgs/202310162118570.png)
-## 1. 环境配置
-### 1.1. 安装依赖
+![](https://cdn.marques22.com/imgs/202310162118570.png)
+
+## 1. 安装与启动
+### 1.1 下载程序
+下载地址：[RespCoarseAlignV1.0.exe](/attachments/a1a22506-3847-4f98-af75-0c2f8990c039)  
+下载后直接运行
+
+### 1.2 从开发环境运行
+安装依赖
 ```shell
 pip install -r requirementsg.txt
 ```
@@ -18,30 +24,30 @@ numba        # 计算加速
 ```
 
 ## 2. 使用流程
-### 2.1. 默认配置
+### 2.1 默认配置
 左上角点击默认配置，选择Default Configuration  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162130140.png" align="center" height="30%" width="30%" >  
+<img src="https://cdn.marques22.com/imgs/202310162130140.png" align="center" height="30%" width="30%" >  
 主要修改`PSG文件夹`和`心晓文件夹`两个选项  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162130027.png" align="center" height="50%" width="50%" >    
+<img src="https://cdn.marques22.com/imgs/202310162130027.png" align="center" height="50%" width="50%" >    
 默认设置会保存在`config.yaml`文件中，下次打开程序会自动读取配置文件  
 
-### 2.2. 选择文件
+### 2.2 选择文件
   
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162134748.png" align="center" height="30%" width="30%" alt="">  
+<img src="https://cdn.marques22.com/imgs/202310162134748.png" align="center" height="30%" width="30%" alt="">  
 
 点击`刷新`，自动匹配同时有PSG和心晓数据的患者编号，若仅存在与其中一个文件夹则会不可选中，
 点击打开，读取完成后会分别显示其对应的时长   
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162137617.png" align="center" height="30%" width="30%" >
+<img src="https://cdn.marques22.com/imgs/202310162137617.png" align="center" height="30%" width="30%" >
 
 
 ### 2.3 信号预处理/标准化
 一般保持默认，直接点击`应用`  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162138825.png" align="center" height="30%" width="30%" >
+<img src="https://cdn.marques22.com/imgs/202310162138825.png" align="center" height="30%" width="30%" >
 
 
 ### 2.4 信号手动对齐/截断
 本步骤是为了当遇到较长或较不规则信号时进行手动预处理，一般不需要使用  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162145279.png" align="center" height="30%" width="30%" >
+<img src="https://cdn.marques22.com/imgs/202310162145279.png" align="center" height="30%" width="30%" >
 ```shell
 PSG_补零: 在PSG信道前面补充若干个零，单位为点的个数，对于计算无影响，仅为了信号无法自动对齐时进行人眼粗略大体动对齐
 心晓_补零: 在心晓信道前面补充若干个零，单位为点的个数，对于计算无影响，仅为了信号无法自动对齐时进行人眼粗略大体动对齐
@@ -51,22 +57,22 @@ PSG_Post: 对PSG后端截断若干个点，单位为点的个数，仅计算信
 心晓_Post: 对心晓后端截断若干个点，单位为点的个数，仅计算信号开始(截断开始)到截断点结束的部分的互相关取值
 ```
 对`**_Pre`和`**_Post`的修改后点击应用，图上红线包围的内区间即为相关计算片段  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162153952.png" align="center" height="80%" width="80%" >  
+<img src="https://cdn.marques22.com/imgs/202310162153952.png" align="center" height="80%" width="80%" >  
 
 点击`计算对齐`，则计算两信号的互相关，计算结果会显示在右侧，计算时长与电脑性能、信号长度有关，一般在1-2分钟左右，程序可能进入无响应阶段，不要关闭程序，等待即可  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162202532.png" align="center" height="80%" width="80%" >  
+<img src="https://cdn.marques22.com/imgs/202310162202532.png" align="center" height="80%" width="80%" >  
 点击`读取对齐`，则从保存的结果中读取最近的一次记录进行显示  
 
 ### 2.5 选取对齐点
 本步骤是选择自动计算或手动输入PSG信号和心晓起始点之间的距离  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162203974.png" align="center" height="30%" width="30%" >  
+<img src="https://cdn.marques22.com/imgs/202310162203974.png" align="center" height="30%" width="30%" >  
 四个结果数据的集中程度，一定程度上反映了信号是否容易预对齐    
 + 正数表示心晓开机比PSG晚，PSG需要剔除前面若干个点，或者心晓信号需要在前面补充若干个零  
 + 负数表示心晓开机比PSG早，PSG需要在前面补充若干个零，或者心晓信号需要剔除前面若干个点  
 
 直接选择出现值较靠近的点，如上图可选择`24750`或`24733`，可以看到大体动基本对齐，若采样率或其他因素，
 会有其他区间不能对齐的情况，或者肉眼不能从大体动分辨出来的情况。接下来进行片段级复核。
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162212400.png" align="center" height="80%" width="80%" >
+<img src="https://cdn.marques22.com/imgs/202310162212400.png" align="center" height="80%" width="80%" >
 
 
 ### 2.6 片段级观测
@@ -75,9 +81,9 @@ PSG_Post: 对PSG后端截断若干个点，单位为点的个数，仅计算信
 右侧从上到下分别为PSG中的胸带信号呼吸间期，心晓中呼吸努力信号呼吸间期，PSG中的腹带信号呼吸间期  
 **对齐标准**有两个取其一或并用即可
 1. 信号体动位置一致(可以存在偏移只要变化一致即可)  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162215819.png" align="center" height="80%" width="80%" >  
+<img src="https://cdn.marques22.com/imgs/202310162215819.png" align="center" height="80%" width="80%" >  
 2. 呼吸间期一致(可以存在偏移只要变化一致即可)  
-<img src="https://pics-cloud.6277837.xyz/imgs/202310162216347.png" align="center" height="80%" width="80%" >  
+<img src="https://cdn.marques22.com/imgs/202310162216347.png" align="center" height="80%" width="80%" >  
 
 ### 2.7 保存结果
 在符合上述条件的情况下，点击`保存`，会在当前程序下同级目录生成或追加`RespCoarseAlignInfo.csv`文件，记录对齐结果
@@ -90,4 +96,5 @@ PSG_Post: 对PSG后端截断若干个点，单位为点的个数，仅计算信
 ~~todo1: 将相关计算分段计算，减少程序卡顿~~  已实现  
 ~~todo2: 将程序编译为exe文件，减少安装依赖的过程~~  已实现  
 ~~todo3: 加入可控选择CPU数量或占用百分比，避免造成电脑卡顿~~ 后者较难实现，暂行搁置   
-todo4: 缩小程序文件大小
+todo4: 缩小程序文件大小
+todo5: 程序退出后，进程清理不干净

RespCoarseAlign.py

@@ -231,7 +231,7 @@ class Data:
             low = lowCut / (fs * 0.5)
             high = highCut / (fs * 0.5)
             sos = signal.butter(order, [low, high], btype="bandpass", output='sos')
-            return signal.sosfilt(sos, data)
+            return signal.sosfiltfilt(sos, data)
 
         # 滤波
         self.processed_THO = butter_bandpass_filter(self.raw_THO, self.Config["RespFilterConfig"]["LowCut"],