★ FEATURED ARTICLE 简介这份资源面向需要在Matlab环境中处理生物医学信号的科研人员、工程师与学生聚焦于EDFEuropean Data Format文件的读取与解析。EDF是心电、脑电等生理信号记录的通用格式Matlab本身并未内置直接读取函数因此资源围绕第三方工具箱调用与自定义代码两条路径展开帮助读者理解文件头元数据患者信息、通道数、采样率等与多通道数据样本的组织方式。压缩包共2个文件包含1个m脚本与1个txt说明文档整体约3KB其中m文件提供可复用的读取函数txt则给出导入命令与使用提示便于快速上手。目前已有2397人学习下载适合希望掌握EDF解析、为后续滤波、特征提取或R波检测等分析打基础的读者参考。1. Matlab读取EDF文件为什么你的第一行代码就翻车如果你手头有一批脑电、肌电或多导生理记录数据扩展名是.edf而你最熟悉的工具是 Matlab那么“Matlab读取EDF文件”这件事大概率会成为你整个分析流程里第一个卡住的地方。EDFEuropean Data Format是生理信号领域最常见的交换格式之一很多采集设备默认导出就是它。但它的文件结构跟常规的 mat、csv 完全不同头部是固定长度的 ASCII 字段数据区是交错存放的 16 位整数还带物理量换算和增益校准。直接用fread硬读十有八九读出来是一堆乱码或者量纲全错的波形。这篇笔记面向两类人一是刚拿到 EDF 数据、想用 Matlab 快速把信号画出来验证的新手二是已经能读文件、但被通道错位、时间轴对不上、大文件内存爆掉这些问题折磨过的熟手。我会从文件结构讲到可复现的读取脚本再到参数设置和踩坑排查最后给一个批量处理加质量校验的进阶套路。全程只讲我实际用过的做法不堆概念。2. EDF 文件结构拆解与读取方案选型2.1 头部字段到底存了什么EDF 文件分两段头部和数据区。头部全是 ASCII 字符长度固定按字段顺序排列。前 256 字节是固定信息包括版本号、患者信息、记录信息、起始日期时间、头部字节数、保留字段、记录数、每条记录持续时间、每条记录的信号数。紧接着是每个信号一组、按信号数重复的字段信号标签、 transducer 类型、物理维度、物理最小值、物理最大值、数字最小值、数字最大值、预滤波信息、每个信号每条记录的采样数、保留字段。关键点在于数据区不是按通道连续存放的而是按记录交错存放。每条记录里先放第 1 个信号在这条记录内的所有采样点再放第 2 个信号的依此类推。如果你按“一个通道读完再读下一个”的思路去读通道就会整体错位。这是新手最容易翻车的地方没有之一。另外物理量换算靠的是每个信号自己的线性映射物理值 物理最小值 (数字值 - 数字最小值) * (物理最大值 - 物理最小值) / (数字最大值 - 数字最小值)。这个公式里的四个边界值都来自头部缺一个都会导致幅值不对。2.2 三种读取路径的取舍在 Matlab 里读 EDF常见做法有三条路。第一条是用 File Exchange 上的第三方函数比如edfread这类社区维护的脚本。优点是开箱即用调用一行就能返回 timetable 或结构体缺点是版本差异大不同作者写的函数对边界情况处理不一致遇到非标准头或超多通道时容易报错而且你很难控制它内部怎么分块。第二条是用 Matlab 自带的edfread部分版本在 Signal Processing Toolbox 或 Bioinformatics Toolbox 里提供。优点是官方维护、接口稳定缺点是并非所有安装都带这个函数而且它对某些厂商的私有扩展字段支持有限。第三条是自己按 EDF 规范写解析器。听起来麻烦但其实核心逻辑不到 100 行而且一旦写通任何变体你都能自己改。我一般推荐熟手走这条路因为生理信号分析往往要做批量预处理自己掌控读取层后面加滤波、重参考、分段才不会被第三方函数的返回格式绑架。选型建议如果只是临时看一两个文件用现成函数最快如果要建可复现的流水线自己写解析器更稳。下面两节分别给出可抄作业的实现。2.3 用现成函数快速读通一个文件假设你拿到一个sample.edf先做最小验证能不能读出通道名、采样率、总时长。% 使用社区常见的 edfread 风格调用函数名以你本地实际为准 % 返回 data 为 timetableheader 含元信息 [data, header] edfread(sample.edf); % 查看前几个通道名 disp(header.label(1:min(5, numel(header.label)))); % 查看采样率每条记录采样数 / 记录时长 fs header.samples(1) / header.duration; fprintf(通道1采样率: %.2f Hz\n, fs); % 画前 10 秒第一个通道 t seconds(data.Properties.StartTime) seconds(0:1/fs:10-1/fs); plot(t, data{1:round(10*fs), 1}); xlabel(时间 (s)); ylabel(幅值);这段代码的逻辑是先让函数把头部和数据都解析出来然后从 header 里取通道标签和采样数用采样数除以记录时长得到采样率。画图时只取前 10 秒避免一次性渲染几十万点导致卡顿。参数说明header.samples是每个信号每条记录的采样数header.duration是每条记录的秒数两者相除才是真实采样率。注意有些设备的记录时长不是整数秒比如 0.5 秒这时候直接按 1 秒算就会错一倍。另外data如果是 timetable列索引和通道顺序一致但列名可能被函数改写别假设它等于原始标签。2.4 自己写一个可控的 EDF 解析器自己写解析器第一步是把头部按固定偏移量读出来。下面是一个最小可用版本只处理单记录时长的标准 EDF不处理 EDF 的注释通道。function [signals, fs, labels] readEDF(filename) fid fopen(filename, r, ieee-le); % EDF 数据按小端存储 if fid -1 error(无法打开文件: %s, filename); end cleaner onCleanup(() fclose(fid)); % 确保异常时也关闭文件 % 固定头部前 256 字节 version strtrim(fread(fid, 8, *char)); patient strtrim(fread(fid, 80, *char)); recInfo strtrim(fread(fid, 80, *char)); startDate strtrim(fread(fid, 8, *char)); startTime strtrim(fread(fid, 8, *char)); headerBytes str2double(strtrim(fread(fid, 8, *char))); reserved strtrim(fread(fid, 44, *char)); numRecords str2double(strtrim(fread(fid, 8, *char))); duration str2double(strtrim(fread(fid, 8, *char))); numSignals str2double(strtrim(fread(fid, 4, *char))); % 每个信号一组字段按信号数重复 labels cell(numSignals, 1); for k 1:numSignals labels{k} strtrim(fread(fid, 16, *char)); end for k 1:numSignals, fread(fid, 80, *char); end % transducer for k 1:numSignals, fread(fid, 8, *char); end % 物理维度 physMin zeros(numSignals, 1); for k 1:numSignals physMin(k) str2double(strtrim(fread(fid, 8, *char))); end physMax zeros(numSignals, 1); for k 1:numSignals physMax(k) str2double(strtrim(fread(fid, 8, *char))); end digMin zeros(numSignals, 1); for k 1:numSignals digMin(k) str2double(strtrim(fread(fid, 8, *char))); end digMax zeros(numSignals, 1); for k 1:numSignals digMax(k) str2double(strtrim(fread(fid, 8, *char))); end for k 1:numSignals, fread(fid, 80, *char); end % 预滤波 samplesPerRec zeros(numSignals, 1); for k 1:numSignals samplesPerRec(k) str2double(strtrim(fread(fid, 8, *char))); end for k 1:numSignals, fread(fid, 32, *char); end % 保留 % 定位到数据区起点 fseek(fid, headerBytes, bof); % 按记录交错读取 totalSamples samplesPerRec * numRecords; signals zeros(max(totalSamples), numSignals); for r 1:numRecords for k 1:numSignals n samplesPerRec(k); raw fread(fid, n, int16); % 线性映射到物理量 scale (physMax(k) - physMin(k)) / (digMax(k) - digMin(k)); offset physMin(k) - digMin(k) * scale; idx (r-1)*n (1:n); signals(idx, k) raw * scale offset; end end signals signals(1:max(totalSamples), :); fs samplesPerRec / duration; end逻辑说明先按固定偏移量把头部字段逐个读出来每个字段读完后用strtrim去掉填充空格再转数值。数据区用fseek跳到headerBytes指定的位置然后双层循环——外层遍历记录内层遍历信号严格按交错顺序读。每读一个信号的原始 int16 数据立刻用该信号自己的四个边界值做线性映射避免后面再统一换算时搞混通道。参数说明fopen的第三个参数ieee-le指定小端字节序EDF 规范要求小端但个别设备可能写成大端如果读出来全是异常值先检查这里。samplesPerRec是每个信号每条记录的采样数不同通道可以不同所以fs是一个向量而不是标量。physMin/physMax/digMin/digMax四个数组必须一一对应如果某个通道的digMax digMin除法会出 Inf需要在映射前加判断。注意这个版本没有处理 EDF 的注释通道通常标签为EDF Annotations如果文件里有这个通道它的采样数会很大且数据不是生理信号读取后要单独剔除否则会污染通道索引。3. 参数设置与时间轴对齐的实操细节3.1 采样率、增益和物理量换算的三个必调参数读 EDF 时有三个参数直接决定你拿到的波形对不对采样率、增益、物理量边界。采样率不是从头部某个单一字段直接读出来的而是samplesPerRec(k) / duration。很多人看到duration是 1 就以为采样率等于samplesPerRec但如果duration是 0.5实际采样率就是两倍。我一般会在读完后打印每个通道的fs跟设备说明书对一遍对不上就说明头部字段理解错了。增益体现在线性映射的斜率上(physMax - physMin) / (digMax - digMin)。如果这个斜率算出来是负数说明物理量方向和数字量方向相反这在某些设备上是正常的不要急着取绝对值。物理量边界physMin/physMax的单位由头部的物理维度字段决定常见的是 uV、mV、V读完后要确认单位否则后面做频谱分析时幅值量纲会错。第三个容易忽略的是数字量边界digMin/digMax。标准 EDF 用 16 位有符号整数范围是 -32768 到 32767但有些设备只用了其中一段比如 -2048 到 2047。如果你按满量程去换算幅值就会整体偏小。所以一定要用头部里的实际值不能硬编码。3.2 时间轴对齐起始时间、记录时长和样本索引EDF 头部有起始日期和起始时间格式是dd.mm.yy和hh.mm.ss。这两个字段决定了你的时间轴原点。如果你做的是多文件拼接每个文件的起始时间不同直接按样本索引拼会导致时间轴断裂。我一般会构造一个datetime起点然后按采样率生成时间向量startDT datetime([startDate startTime], ... InputFormat, dd.MM.yy HH.mm.ss); t startDT seconds((0:size(signals,1)-1) / fs(1));这里假设所有通道采样率相同。如果不同时间向量要按每个通道自己的fs单独生成不能共用一个。另一个坑是记录时长和实际样本数的关系。理论上总样本数 samplesPerRec * numRecords但有些文件在最后一条记录里样本数不足或者头部写的numRecords和实际数据量不符。稳妥做法是读完数据后检查size(signals,1)是否等于预期值不等就以实际读到的为准并在日志里记一笔。3.3 大文件分块读取与内存控制一条 64 通道、采样率 1000 Hz、记录 1 小时的 EDF样本数是 64 × 1000 × 3600 ≈ 2.3 亿个 double约 1.8 GB。如果同时读多个文件内存很快爆掉。解决办法是分块读取不要一次性把整个数据区读进来而是按记录块循环每读一块就做预处理或降采样然后只保留需要的结果。blockRecords 100; % 每次读 100 条记录 for r0 1:blockRecords:numRecords r1 min(r0 blockRecords - 1, numRecords); % 只读 r0 到 r1 这段记录的数据 % ... 读取逻辑同上但循环范围限定在 r0:r1 ... % 在这里做滤波、降采样或特征提取 % 处理完的中间结果写入磁盘或累加器不保留原始块 end参数说明blockRecords的大小取决于你的内存和单条记录的数据量。一般让单块数据控制在 100 MB 以内比较安全。如果要做跨块的滤波比如 IIR 滤波器有状态需要把滤波器状态在块之间传递不能每块重新初始化否则块边界会出现突变。注意分块读取时如果某个通道的samplesPerRec不是整数或者记录之间采样数不一致块边界会对齐失败。这种情况要先扫描头部确认所有记录的采样数一致不一致就退回逐记录读取。4. 避坑与排查EDF 读取最常见的五类翻车4.1 读出来全是零或全是极大值现象波形是一条直线或者幅值大到离谱。原因字节序搞反了或者数据区起点定位错了。EDF 规定小端但如果你用ieee-be打开int16 会被解释成完全不同的数。另一个可能是headerBytes读错导致fseek跳到了错误位置读到的其实是头部文本的二进制解释。解决先用fopen不带字节序参数读几个字节确认文件头是不是0开头。然后打印headerBytes手动算一下 256 信号数 × 每个信号字段总长看是否吻合。不吻合就说明某个字段长度读错了。4.2 通道顺序错位或通道数不对现象本该是脑电的通道读出来像心电或者通道数比预期多一个。原因EDF 文件会多一个EDF Annotations通道它的标签不是生理信号名采样数也和其他通道不同。如果你按固定通道数去索引后面所有通道都会偏移。解决读完后先打印所有labels找到EDF Annotations或类似标签把它从信号矩阵里剔除。剔除后重新核对通道数是否等于设备说明书的通道数。4.3 时间轴对不上波形整体平移现象两个文件拼接后事件标记的位置对不上。原因起始时间字段没解析或者解析时用了本地时区而文件里是 UTC。另外如果duration不是整数按秒累加会产生累积误差。解决统一用datetime加seconds的方式生成时间轴不要手动累加。如果文件里时间字段格式不是标准的dd.mm.yy先打印原始字符串确认格式再调整InputFormat。4.4 大文件读取时内存溢出现象Matlab 报Out of memory或者系统卡死。原因一次性把整个数据区读成 double 矩阵。int16 转 double 后内存翻四倍多通道再乘通道数很容易超限。解决按记录分块读取每块处理完就释放。如果只是要看波形可以先降采样再保留。另外signals矩阵预分配时用zeros而不是动态增长避免反复复制。4.5 不同设备导出的 EDF 头部字段不一致现象同一个脚本读 A 设备正常读 B 设备报错或数值异常。原因EDF 规范允许厂商在保留字段里写私有信息有些设备还会把numSignals或samplesPerRec写成非标准格式比如带小数点或前后有不可见字符。解决读取每个数值字段时先用strtrim去空格再用str2double转换转换失败就打印原始字符串排查。对于保留字段不要假设它一定是空的但也不要依赖它的内容做解析。5. 批量处理与读取质量校验的进阶套路当你手头有几十上百个 EDF 文件时逐个手动读是不现实的。我一般会写一个批量入口把读取、校验、降采样、保存中间结果串起来。核心思路是每个文件读完后立刻做三项校验——通道数是否一致、采样率是否在合理范围、信号是否全零或饱和。任何一项不过就把文件名记到异常列表不进入后续分析。files dir(*.edf); report table(); for i 1:numel(files) try [sig, fs, labels] readEDF(files(i).name); nCh size(sig, 2); % 校验1通道数 chk1 nCh 0; % 校验2采样率在 1 到 10000 Hz 之间 chk2 all(fs 1 fs 10000); % 校验3不是全零也没有持续饱和 chk3 any(abs(sig(:)) 0) ... mean(abs(sig(:)) 0.99 * max(abs(sig(:)))) 0.5; report [report; table({files(i).name}, nCh, ... mean(fs), chk1 chk2 chk3, ... VariableNames, {file, nCh, meanFs, pass})]; catch ME report [report; table({files(i).name}, NaN, NaN, false, ... VariableNames, {file, nCh, meanFs, pass})]; fprintf(读取失败: %s - %s\n, files(i).name, ME.message); end end disp(report);逻辑说明外层遍历所有 edf 文件每个文件用 try-catch 包住避免单个文件出错中断整批。校验三项分别对应通道完整性、采样率合理性和信号有效性。chk3里用饱和样本占比来判断是否信号削顶如果超过一半的样本接近最大值说明采集时增益设错了。参数说明mean(abs(sig(:)) 0.99 * max(abs(sig(:))))这个阈值 0.99 和 0.5 可以根据实际数据调整。如果信号本身就有大量接近满量程的脉冲这个校验会误报需要结合通道类型判断。report表最后可以导出成 csv方便追溯哪些文件被跳过。进阶一点的做法是把读取层和预处理层解耦读取层只负责把 EDF 转成统一的 mat 或 hdf5 中间格式预处理层从中间格式读。这样即使以后换了采集设备只要改读取层后面的分析代码不用动。中间格式我一般用 v7.3 的 mat 文件支持大于 2 GB 的变量而且 Matlab 原生读写都快。还有一个实用技巧如果只需要某个通道或某段时间的数据不要读整个文件。先解析头部算出目标通道在数据区里的偏移量和长度然后用fseek直接跳到对应位置只读需要的那段。对于超大文件这能省掉大量 IO 时间。最后说个我自己的习惯每次拿到一批新 EDF先随机抽三个文件用自己写的解析器和现成函数各读一遍对比前 10 秒的波形和幅值。两者一致才放心批量跑。这个交叉验证帮我逮住过好几次字节序和增益映射的隐蔽错误。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
