如何实现MIT-BIH Arrhythmia数据库ECG信号幅值与时间戳映射

核心逻辑：MIT-BIH的原始存储格式不会单独存每个采样点的时间戳，时间轴完全可以通过固定采样率计算生成，不需要额外解析复杂字段，新手按下面步骤走就能出结果。

前期准备 #

直接用Python实现即可，对新手最友好，不用啃复杂的二进制格式解析，先安装依赖库：
pip install wfdb numpy
其中wfdb是生理信号领域通用的信号读取库，不用自己手写二进制解析逻辑，numpy用来做数组计算。

具体实现步骤 #

• 读取ECG原始记录
  先把下载好的MIT-BIH数据库文件放到指定目录，注意每条有效记录必须包含.hea头文件和.dat信号文件两个部分，缺任何一个都无法正常读取。读取代码示例：

  import wfdb
  import numpy as np
  
  # 括号内填本地存储记录的路径，不要加文件后缀
  record = wfdb.rdrecord("./mitdb/100")
  # 提取最常用的MLII导联幅值数据，新手直接取第0列即可
  ecg_amplitude = record.p_signal[:, 0]
  # 直接从记录元数据取采样率，MIT-BIH标准采样率是360Hz，读属性比硬编码更稳妥
  sampling_rate = record.fs
  

• 生成对应时间轴（x值）
  采样率sampling_rate代表每秒采集对应数量的信号点，相邻两个点的时间间隔就是1/sampling_rate秒，直接按这个间隔生成和信号等长的时间序列即可：

  # 时间从0秒开始，长度和信号点数量完全一致，单位为秒
  ecg_time = np.arange(len(ecg_amplitude)) / sampling_rate
  

• 组装为目标(x,y)结构数组
  把两个一维数组合并成二维数组即可，第一列为时间值，第二列为对应位置的信号幅值：

  # 最终输出数组形状为(信号点总数, 2)，完全匹配x为时间、y为幅值的要求
  ecg_time_amp_array = np.column_stack((ecg_time, ecg_amplitude))
  

新手避坑提示 #

• 不要手动硬编码采样率，不同衍生版本的MIT-BIH子集可能采样率存在差异，永远从读取的record对象里拿fs属性最准确
• 如果你拿到的是他人转好的csv、mat格式数据，先确认信号是连续无缺失的，只要采样连续，时间轴的计算逻辑完全一致
• 需要毫秒单位时间的话，把生成的ecg_time数组整体乘1000即可
• 正确性验证方法很简单：打印数组前5行，第一列的时间值应该按0、1/360≈0.00278、2/360≈0.00556的规律均匀递增，第二列是-5~5mV区间内的ECG幅值，就说明映射关系正确。

内容的提问来源于stack exchange，提问作者user19536133