（信号与信息处理专业论文）心电信号消噪算法及r峰定位的研究.pdf

杭州电子科技大学硕士学位论文 摘要 心电信号( e l e c t r o c a r d i o g r a m ，e c g ) 是心脏电活动在体表的综合反映，含有临床诊断心血 管疾病的大量信息，心电信号的分析对诊断心脏疾病具有重要意义。e c g 本身是微弱的低频、 低幅的人体生理电信号，通常频率在0 0 5 1 0 0 h z ，幅值不超过4 m v ，容易受到工频干扰、基 线漂移、肌电等干扰。噪声的存在降低了诊断的准确性，因此如何有效消除心电信号中的噪 声成为研究者关注的焦点。r 峰定位是心电自动分析系统的重要组成部分，准确可靠的r 波形 识别直接影响着心电分析的准确性，对心率及心率变异性的获取有重要意义。 本文主要研究了心电信号消噪算法和r 峰定位算法。在心电信号消噪算法方面，提出基 于稀疏编码阈值的平移不变心电信消噪算法和基于白噪声总体平均经验模式分解统计特性的 消噪算法，有效提高了心电信号信噪比。在心电r 峰检测定位方面，提出一种基于带通滤波 器的r 峰定位算法，采用at r o u s 算法进行小波变换，保证了小波系数的时不变性。利用临 床心电信号进行仿真和验证，结果表明本文所提的算法有效消除了心电信号的噪声，实现了 r 峰的准确定位。 本文所做的主要工作有： 1 、提出了基于稀疏编码阈值的平移不变心电信号消噪算法。首先阐述了传统小波阈值消 噪的基本原理，研究了平移不变，然后建立了一种改进阈值函数即稀疏编码阈值函数的消噪 算法。最后通过模拟信号和m i t b i h 数据库的心电信号对此算法进行了验证。 2 、提出了基于白噪声e e m d 统计特性的消噪算法。首先阐述了经验模式分解和总体经验 模式分解的算法原理、实现步骤，然后研究了e e m d 噪声特性，利用噪声分布的置信曲线将 i m f 各层的信号层和噪声层分开，对噪声层阈值处理并重构恢复出信号。最后通过模拟信号 和m i t b i h 数据库的心电信号验证了此算法的性能。 3 、提出了基于带通滤波器与样条小波变换的心电信号r 峰检测算法。首先设计了带通 滤波器滤除e c g 中的基线漂移，然后对预处理后的e c g 做at r o l l s 小波变换，保证了小波系 数的时不变性。最后利用m i t - b i h 的四个心电数据库进行测试，结果表明此算法具有较高的 灵敏度和特异性。 本文所研究的算法在保持心电信号波形的同时，有效消除了心电信号的噪声，准确定位 了r 峰，本文的研究为临床心电的分析诊断奠定了重要的基础。 关键词：心电信号，消噪，r 峰定位，稀疏编码，e e m d 杭州电子科技大学硕士学位论文 a b s t r a c t e l e c t r o c a r d i o g r a m ( e c g ) s i g n a li st h eh e a r ta c t i v i t y sc o m p r e h e n s i v er e f l e c t i o ni nt h eb o d y i t c o n t a i n sa m o u to fc a r d i o v a s c u l a rd i s e a s e si n f o r m a t i o nw h i c hi su s e dt oc l i n i c a ld i a g n o s i s t h e a n a l y s i so fe c gs i g n a lh a st h ei m p o r t a n c ei nd i a g n o s i n gh e a r td i s e a s e e c gi t s e l fi s aw e a k e l e c t r i c a ls i g n a l 、i ml o wf r e q u e n c ya n ds m a l la m p l i t u d e u s u a l l yi t sf r e q u e n c yi sb e t w e e no 0 5h z a n d10 0 h z , a n dt h ea m p l i t u d ei sn o tm o r et h a n4 m y e c ga l s ot e n d st ob ep o l l u t e db yp o w e rl i n e i n t e r f e r e n c e ，b a s e l i n ew a n d e r , a n dm u s c l ea r t i f a c t t h ee x i s t e n c eo ft h en o i s er e d u c e st h ea c c u r a c y o fd i g n o s i n g 。s oh o wt oe f f i c i t i v e l ye l i m i n a t et h en o i s ew h i c he x i s t si nt h ee c gs i g n a lh a sb e c o m ea f o c u st h a tr e s e a r c h e r sp a ya t t e n t i o nt o t h erp e a kd e t e c t i o ni sas i g n i f i c a n tc o m p o n e n ti na ne c g a u t o m a t i ca n a l y s i ss y s t e m a c c u r a t ea n dr e l i a b l erp e a kd e t e c t i o nc a nd i r e c t l yi n f l u e n c et h e a c c u r a c yi ne c ga n a l y s i s rp e a kd e t e c t i o ni sq u i t ei m p o r t a n tt oo b t a i nt h eh e a r tr a t ea n dh e a rr a t e v a r i a b i l i t y t h i sp a p e rm a i n l ys t u d i e st h ep r e p r o c e s s i n ga l g o r i t h m sa n drp e a kd e t e c t i o na l g o r i t h mf o r e c gs i g n a l s i nt h ea s p e c to fp r e p r o c e s s i n g 。w ep r o p o s ee c gd e n o i s i n ga l g o r i t h m st h a ta r eb a s e d o nt r a n s l a t i o n - i n v a r i a n to fs p a r s ec o d i n gt h r e s h o l da n db a s e do ne e m da n dn o i s es t a t i s t i c a l d i s t r i b u t i o n t h e s ea l g o r i t h m sh a v ew e l li m p r o v e dt h es i g n a lt on o i s er a t e ( s n r ) o fe c gs i g n a l i nt h ea s p e c to fr p e a kd e t e c t i o n ，w ep r o p o s earp e a kd e t e c t i o na l g o r i t h mb a s e do nt h eb a n d p a s s f i l t e r i te m p l o y sat r o u sa l g o r i t h mi ns p l i n ew a v e l e tt r a n s f o r m i n gi no r d e rt oe n s u r et h a tt h e w a v e l e tc o e f f i c i e n t sa r et i m e - i n v a r i a n t e v a l u a t et h i sm e t h o db ye m p l o y i n gt h ec l i n i c a le c gs i g n a l a n dt h er e s u l ts h o w st h a tt h ep r o p o s e da l g o r i t h me f f e c t i v e l ye l i m i n a t e st h en o i s et h a te x i s t si nt h e e c gs i g n a la n dr e a l i z e st h ea c c u r a t erp e a kd e t e c t i o n t h em a i nw o r ko ft h i sp a p e ri sa sf o l l o w s ： 1 t h ee c g d e n o i s i n ga l g o r i t h mb a s e do nt r a n s l a t i o n - i n v a r i a n to fs p a r s ec o d i n gt h r e s h o l di s s t u d i e d f i r s t l y , t h eb a s i ct h e o r yo ft r a d i t i o n a lw a v e l e tt h r e s h o l dd e n o i s i n gi s i n t r o d u c e d t r a n s l a t i o n i n v a r i a n c ei ss t u d i e d t h e nad e n o i s i n ga l g o r i t h mo fa ni m p r o v e dt h r e s h o l df u n c t i o n c a l l e ds p a r s ec o d i n gt h r e s h o l df u n c t i o ni ss e tu p f i n a l l y , t h i sm e t h o di sp r o v e db yu s i n gt h ea n a l o g s i g n a la n de c gs i g n a l sf r o mt h em i t - b i hd a t a b a s e 2 t h ee c gd e n o i s i n ga l g o r i t h mb a s e do ne e m da n dn o i s es t a t i s t i c a ld i s t r i b u t i o ni ss t u d i e d f i r s t l y , t h eb a s i ct h e o r i e sa n di m p l e m e n t a t i o np r o c e s s e so fe m p i r i c a lm o d ed e c o m p o s i t i o n ( e m d ) a n de n s e m b l ee m p i r i c a lm o d ed e c o m p o s i t i o n ( e e m d ) a r ei n t r o d u c e d t h e ne e m da n dn o i s e s t a t i s t i c a ld i s t r i b u t i o ni ss t u d i e d c o m p l e t et h ec o n f i d e n c ei n t e r v a ld i s t r i b u t i o no fn o i s et os e p a r a t e t h es i g n a lc o m p o n e n ta n dt h en o i s yc o m p o n e n tf r o mt h ei n t r i n i cm o d ef u n c t i o n ( i m f ) p r o g r a m n 杭州电子科技大学硕士学位论文 s o f tt h r e s h o l dt ot h en o i s yc o m p o n e n t ，r e c o n s t r u c ti tw i t ht h es i g n a lc o m p o n e n tt oo b t a i nt h e d c n o i s e ds i g n a l f i n a l l y , t h i sm e t h o di sp r o v e db yu s i n gt h ea n a l o gs i g n a la n de c gs i g n a l sf r o mt h e m i b i hd a t a b a s e 3 a na p p r o a c hb yd e s i g no fb a n d p a s sf i l t e ra n ds 讲i n ew a v e l e tt r a n s f o r mt od e t e c trp e a k si n e c gs i g n a l si ss t u d i e d f i r s t l y , ab a n a s sf i l t e ri sd e s i g n e dt of i l t e rt h ee c g sb a s e l i n ew a n d e r a n dt h e nt h ef i l t e r e de c gi sw a v e l e tt r a n s f o r m e db yat r o u sa l g o r i t h mi no r d e rt oe n s u r et h a tt h e w a v e l e tc o e 伍c i e n t sa r et i m e i n v a r i a n t t h ep e r f o r m a n c eh a sb e e nd o n eo nf o u rm i t o b i h d a t a b a s e s t h er e s u l ts h o w st h a tt h ep r o p o s e da l g o r i t h mh a sg o o ds e n s i t i v i t ya n dp r e d i e t i v i t y t h ea l g o r i t h m ss t u d i e di nt h i sp a p e rr e t a i nt h ew a v e f o r m so fe c gs i g n a l ，e l i m i n a t et h en o i s ei n e c gs i g n a la n da c c u r a t e l yd e t e c trp e a k s t h ew o r ko ft h i sp a p e rl a y sa ni m p o r t a n tf o u n d a t i o nf o r t h ee c g s i g n a l sa n l y s i sa n dd i g n o s i s k e y w o r d s ：e c gs i g n a l ；d e n o s i n g ；rp e a kd e t e c t i o n ；s p a r s ec o d i n g ；e e m d 1 1 1 杭州电子科技大学硕士学位论文 第1 章绪论 1 1 课题研究背景和意义 心血管疾病是当今危害人类健康与生命的头号杀手，目前我国每年有4 0 0 万人死于心血 管疾病，占全部死亡原因的4 0 。疾病的目标人群逐渐由老年人扩散至中青年人，目标地区 由城市扩散至农村，心血管疾病已成为困扰国民健康的越来越突出的问题。高血脂、高血压、 吸烟饮酒、运动少和饮食不合理等，是引起心血管疾病的重要根源。当前，心电图检查是临 床医学诊断治疗心血管疾病的重要技术之一。心电图是一种典型的生物电信号，是心脏在每 个心动周期中由起搏点、心房、心室连续兴奋，伴随着生物电的变化从体表引出的多种形式 电位变化的图形，是心脏兴奋的发生、传播与恢复过程的客观指标。1 9 0 3 年荷兰教授e i n t h o v e n 采用弦线式电流计首次测出心电图，至今已有百年历史。随着检测技术不断改善，心电图的 作用越来越明显，广泛应用于i 陆床心脏疾病的诊断。它反映各种心律失常现象，对反映心肌 受损程度、心房心室结构情况具有重要价值；对确定心肌梗塞有很高的准确性，间接反映梗 塞的病变过程；应用于手术的抢救，麻醉、用药观察或监测等。 e c g 本身是微弱的低频、低幅的人体生理电信号，通常频率在0 0 5 1 0 0 h z ，幅值不超过 4 m v 。标准的心电波形包括p 、q 、r 、s 、t 和u 波，而在此基础上形成的s t 段、p r 间期、 q t 间期都是心电信号的主要特征信息，从多角度反映- f , b 脏血液传输系统及病变情况，含有 临床诊断心血管疾病的大量信息，对于心脏疾病的早期诊断、治疗和预后评估具有重要意义。 心电信号在采集过程中容易受到工频干扰、肌电干扰、基线漂移等干扰，噪声的存在降低了 诊断的准确性，因此如何有效消除心电信号中的噪声成为研究者关注的焦点。 在e c g 的各个波中，r 波最为明显，一般以它为基准来定位其他波的位置。对于心电自 动分析系统，波形识别技术的准确性和可靠性直接影响着自动分析的结果，r 波的准确定位 是波形识别的关键，所以r 波准确定位是e c g 信号分析诊断的前提和基础。只有r 波确定 后，才有可能计算心率，确定q r s 复合波，检测s t 段参数，区分正常和异常心律，可进行 心率变异性( h e a r tr a t ev a r i a b i l i t y ，h r v ) 分析，以评估自主神经功能等。 e c g 信号的消噪和r 波的定位对于心电信号的自动分析有着重要的影响，本文所研究的 算法在保持心电信号波形的同时，有效消除了心电信号的噪声，准确定位了r 峰，本文的研 究为l 临床心电的分析诊断奠定了重要的基础。 1 2 心电信号消噪的研究现状 心电信号所受的噪声干扰包括工频干扰( p o w e rl i n ei n t e r f e r e n c e ，p l i ) 、基线漂移( b a s e l i n e w a n d e r ，b w ) 、肌电干扰( m u s c l ea r t i f a c t ，m a ) 和电极运动伪迹( e l e c t r o d em o t i o na r t i f a c t ，e m a ) 等。消噪的目标是从未知的噪声中，更好地恢复心电信号，使其失真度最小，以便于后续的 诊断分析。概括地讲，心电信号的消噪技术包括经典的数字滤波技术、自适应滤波技术、小 杭州电子科技大学硕士学位论文 波变换技术、经验模式分解( e m p i r i c a lm o d ed e c o m p o s i t i o n ，e m d ) 技术等四种。 经典的数字滤波技术算法简单，滤波效果较好，处理速度较快。常用的i i r 和f i r 数字 滤波器的截止频率是固定的，当噪声频率大于或小于其截止频率时，就达到滤波的效果。l y n n i l j 提出一种采用i i r 实现f i r 滤波器的简单整系数滤波法，该方法既保证了严格的线性相位， 又保证了较少的计算量。由于存在滤除工频干扰的滤波器具有带阻作用的问题，从而出现了 一种由全通网络减去具有相同的延迟和增益的线性相位带通网络得到的n o t c h 滤波器。实 验结果表明该方法滤波效果较好，减少了计算量，但滤波时延较大，且只能滤除固定的频率。 基于此，l e v k o v 等【2 】采用不同方式的数字滤波法来应对e c g 信号的线性段及非线性段。2 0 0 9 年，y a nl u 掣3 】采用5 个高斯信号动态地构建出心电信号p 、q 、r 、s 、t 波的模型。每个高 斯信号中有幅度、宽度与位置3 个参数。而扩展卡尔曼滤波就是为了调整心电动态模型的参 数以得到更好的效果。2 0 1 0 年，a d j e y a r a n i 等【4 】针对心电信号含有的基线漂移、工频干扰 和肌电干扰等不同噪声，使用不同的滤波器消噪，如表1 1 所示。先采用频带范围在0 - - - 0 7 h z 的高通滤波器来消除基线漂移，然后利用频带范围在5 0 一- 6 0 h z 的带阻滤波器来去除工频干 扰，再经一个滑动平均滤波器平滑信号，最后使用频带范围 1 0 0 h z 的低通滤波器进行肌电干 扰的消除。 表1 1 使用不同方法消除不同噪声 为克服数字滤波器较大的时延和只能滤除固定的频率等缺点，出现了根据噪声频率变化 进行自适应调节的自适应滤波技术。自适应滤波器的工作过程是不断地递归、更新输入数据， 并逐步逼近某一最优值。它能够很好地消除加性噪声，从而提高输出信号的信噪比。1 9 7 5 年， w i d r o w 等人发表了自适应滤波对消心电干扰的著名论文。该文详细地叙述了l m s 算法的自适 应噪声对消原理及应用。从此，自适应地消除噪声成为一个活跃的研究领域。2 0 0 6 年，m a m n e i m n e h 等【5 】提出了利用信号特征值的二次多项式估计值来移除基线的自适应卡尔曼滤波 法。与滑动平均滤波法相比，该方法在s t 段的失真度更小，可以得到更好的漂移估计效果。 2 0 0 9 年，m z ur a h m a n 等【6 】使用批处理最小均方( b l m s ) 自适应算法来去除噪声。b l m s 算法 将输入数据分批，通过串并变换后按批对数据进行最小均方( l m s ) 滤波处理，处理完成后经 并串变换变回串行数据输出。其参考信号都是从m i t - b m 中n s t d b 数据库下载的基线漂移、 肌电干扰和电极伪迹，b l m s 算法的收敛速度比普通l m s 算法更快。基于此，m z ur a h r n a n 等【7 】对上文进行了改进，利用快速最小均方( f l m s ) 在频率内实现b l m s 处理的方法将心电信 号的噪声伪迹去除，获得良好的处理效果，减小了稳态误差。自适应滤波器的结构如图1 1 所 示。 2 杭州电子科技大学硕士学位论文 一e r r o r 图1 1 自适应滤波器 小波变换则克服了短时傅立叶变换在分辨率上的缺陷，可通过伸缩和平移等运算功能对 原始心电信号进行多尺度细化分析，具有多分辨率分析的特点，在时域和频域都有表征信号 局部信息的能力，由于小波变换的良好性质，使得小波变换广泛地应用在信号处理和消噪等 领域。小波阂值消噪方法首先由d o n o h o 等【8 】提出，结合已有的正交小波分解和重构算法，构 建了一套完整的阈值消噪策略。小波阈值消噪成为研究的热点，相关的研究和工作都大量展 开。各种不同风险估计的阈值策略不断出现，并衍生出各种类型的小波阂值消噪方法。1 9 9 9 年，a g a n t e 等9 】应用到心电信号消噪中。2 0 0 5 年，d z h a n g 等【l o 】采用离散小波变换方法，通 过粗糙的近似来估计基线漂移，采用中值阈值减小高频噪声，得到较好的效果。2 0 0 6 年， m o l t e a n 等【1 1 】在小波域中使用最大后验概率来估计噪声，心电小波系数更具有统计特性和鲁 棒性。2 0 0 8 年，v v k d v p r a s a d 等【1 2 】为消除生物信号的噪声探讨了一种新的小波稀疏方法。 与传统的软、硬阈值收缩方法相比，该方法的消噪效果更优秀。由于小波收缩函数和阂值选 择的快速发展，各种类型的小波阈值消噪方法得到了补充。2 0 0 5 年，s p o o m a c h a n d r a 等川 提出了基于s t e i n 的无偏似然估计和h y p e r - t r i m 的阈值方法，综合了硬阈值和软阂值的优点， 从而有较好的信噪比和较小的方差。2 0 0 5 年，lc h m e l k a 和jk o z u m p l i k i t 4 1 提出了基于小波 域的维纳滤波方法。对信号进行小波分解后，每层系数采用维纳滤波，再使用一种混合阈值 来估计信号系数，最后重构信号。2 0 0 9 年，l i s u y i 等【1 5 】证明了在选择小波基时，s y r f l l 0 是 最适合心电信号的小波基，它不仅获得更高的s n r ，而且更完整地保持了r 波形。同年，y a n g y i n g 等【1 6 l 衍生出一种新型的小波阈值收缩方法，与传统的软阈值、硬阈值、g a o 和b r u c e 提 出的f i n ns h r i n k a g e 和y a s s e r 提出的y a s s e rs h r i n k a g e 相比较，该方法消噪结果最令人满意， 信噪比达到最高，均方根误差最小，如表1 2 所示。 表1 2 各种方法消噪结果比较( s n i p = ， = ), 2 51 0 5r m s e i n 00 3 6 9 9 5 s h r i n k a g e s o rh a r df i r m y a s s e rp r e s e n t e d 1 9 9 8 年，n o r d e ne h u a n g 等提出了经验模式分解算法，把复杂信号分解为一系列不同尺 度的内蕴模式分量( i n t r i n s i c m o d e f u n c t i o n ，i m f ) 。e m d 分解的基函数直接来自原始信号，是 局部自适应的，并且每个i m f 具有不同的局部时间尺度，每一个i m f 分量包含的频段范围随 3 杭州电子科技大学硕十学位论文 信号自适应变化。根据噪声和有用信号不同的时间尺度特性，通过有选择的合并可以重构信 号。2 0 0 6 年，b i n w e iw e n g 和m a n u e lb l a n c o 【1 7 j 提出了基于e m d 的心电信号消噪方法，首先 描绘q r s 复合波，用合适的窗滤波来保护q r s ，然后对滤波后的信号进行e m d 分解，通过 白噪声统计特性区分i m f 噪声层与信号层，最后将q r s 波与信号层重构。2 0 0 8 年， k a i l 斟i a n n a n 等【l8 】采用了阈值和经验模式分解相结合的算法，充分利用了e m d 自适应特点， 结果表明工频干扰和基线漂移得到很好地去除，重构信号不失真。2 0 0 9 年，l u y a n 掣1 9 】先构 建心电动态模型，然后将含噪心电信号与之相减，剩余分量通过e m d 分解，把i m f 中噪声 层抛弃掉，重构信号，加上心电模型即为消噪后的信号。在小波稀疏消噪启发下，2 0 0 9 年y a n n i s k o p s i n i s 等【2 0 】提出了基于小波稀疏的e m d 消噪方法，修正了软硬阈值小波收缩方法，研究了 适合e m d 模式的小波收缩。同年，h o n g y a nx i n g 等【2 1 】为解决小波基选择等问题，提出了一 种结合e m d 和独立分量分析( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i c a ) 的e i c a 方法。e c g 信 号首先通过e m d 分解，选择性地挑选i m f 分量进行i c a 分解。由于i c a 分解的独立分量是 相互独立的，能准确地辨别出高斯噪声成分和信号成分。把噪声成分设置为零，其他成分不 变，再通过逆i c a 和逆e m d 两层重构就可以得到消噪信号。2 0 1 0 年，c h a n g n i a n 等【捌使用 经验模态分解得到i m f 分量后，将含噪声的i m f 分量进行软阈值处理，重构出心电信号。为 了解决e m d 存在的模式混叠现象，2 0 0 4 年n o r d e ne h u a n g 等又提出了基于总体平均经验模 式分解( e n s e m b l ee m p i r i c a lm o d ed e c o m p o s i t i o n ，e e m d ) 的噪声处理方法。l i uj u a n 掣2 3 】提出 了基于e e m d 分解和噪声分布特性的心电消噪算法。含噪e c g 信号首先经e e m d 分解后， 得到内蕴模式分量的能量分布特性图，然后根据噪声的置信曲线有选择性的重构i m f ，最后 得到消噪后的信号。 除以上四种技术，还有其他一些消噪技术。2 0 0 8 年，r s sk u m a r i 等 2 4 】研究了一种叫 “c y c l i cs h i f tt r e ed e n o i s i n g ”方法去噪，简称c s t d ，将一长度n 的原始数据帧重组，创建更 多的新帧，其中每个帧使用一个阈值函数消噪。2 0 0 8 年，m a o l i n g 等t 2 5 】提出了一种基于数学 形态学算法来消除心电信号基线漂移。x u e ，s a n d o r 等利用非线性的基于神经网络的自适应滤 波器来去除基线漂移，缺点是计算量大，算法复杂。 1 3 r 峰定位的研究现状 r 波准确定位是心电信号处理和自动分析的关键问题。只有在r 波被确定后，才能计算 心率和检测s t 段参数，正确区分正常心律与异常心律；才能进一步检测p 波、t 波以及r r 间期等，从而准确诊断心律失常等心脏疾病。r 波的标定是分析心电信号的其他细节的关键。 近年来，心电信号的波形检测算法层出不穷，一般是把原始信号在时域或频域内做适当的变 换( 如滤波器法、e m d 法、小波变换法、人工神经网络法和数学形态法) ，加强或分离信号分 量【2 6 j 1 2 7 1 ，抑制各种噪声干扰，再进行判决定位。 基于滤波器的单一尺度时频检测法在传统检测中最为常见。主要思路是把心电信号在时 域或频域作单一变换，增强r 波分量，然后采用阈值来判决r 峰的位置。滤波算法设计简单、 4 杭州电子科技大学硕士学位论文 速度快，适合医院的实时监护。在时域作检测方法有面积法、幅度法和斜率法等。其主要设 计思路是对滤波后的心电信号经过若干变换以增强q r s 波群分量，并采用一系列固定阈值判 别。j i a p up a n 和w i l l i sj t o m p k i n s t 2 8 】采用可变阈值来提高检测准确率。首先经过一个带通滤 波器除去噪声，通过一阶差分、逐点平方来保存信号的特征，最后通过一个移动窗口积分得 到信号。带通滤波器的频带范围为5 - - - 1 5 h z ，消除了基线漂移和高频噪声；差分可以得到q r s 波群的斜率信息，使q r s 峰值进一步增强而p 、t 波进一步减弱。t h e n 等【2 9 】在此基础上，修 正了可变阈值表达式以提高检测准确率。表达式为： t h = 口y p e a k + ( 1 - a ) x t h 其中乃为可变阈值，口为遗忘因子，p e a k 为当前r 峰，y 为p e a k 对的贡献系数。2 0 1 0 年， 为提高对高频噪声的抑制能力，郑唯琴等【3 0 】改进了波峰波谷提取算法并提出了差位波峰提取 算法。提取q r s 波群的波峰，平移移动窗口进行平滑处理，抑制高频干扰，采用多项判断规 则检测波形。2 0 1 1 年，0 m a l g i n a 和j m i l e n k o v i e 掣3 1 j 从相位空间曲线的几何结构来提取心电 信号的r 峰，相位空间也称相位图。如图1 2 所示为两个e c g 信号在相位图中检测r 峰的过 程，a 过程代表时域信号在相位空间的投影，b 过程代表从相位空间检测r 峰。由于单一尺度 时频检测法是一种完全在时域或频域作单一尺度的全局分析，不能很好地揭示非平稳信号的 时频局域信息，因此迸一步提高r 峰检测准确率将是一个难点。 图1 2 两个心电信号( a ) 时域信号在相位空间的投影 ( b ) 从相位空间检测r 峰 近年来新的基于多尺度时频检测方法也陆续出现，代表方法有小波变换检测和经验模式 分解检测。小波变换进行r 峰定位主要包括两种方法。第一种方法是选平滑函数的一阶导作 为小波母函数，r 峰位置就是小波系数模极大值对的过零点3 2 。3 3 】。2 0 0 5 年，张文琼等【蚓选用 高斯函数的一阶导作为小波函数进行小波变换检测r 峰。检测具有过零点的极大极小值对， 在每一对极大极小值所确定的区间中搜索原信号的局部极值点，该点位置就是峰值所在的位 置。2 0 0 8 年，纪震等【3 2 】采用了双正交二次b 样条小波作小波函数，在小波变换的尺度3 上找 5 杭州电子科技大学硕士学位论文 出正、负极大值对，再阈值处理并且检测出过零点，最后修正时移。第二种方法是选平滑函 数的二阶导作为小波母函数，r 峰位置就是小波系数的极大值点。2 0 0 6 年，邱雅竹等【3 5 】直接 检n d , 波变换的极值点来标定r 峰位置，采用m e x i c a n - h a t 草帽小波作为小波母函数。检测 步骤为：首先心电信号进行m a l l a t 算法，然后在尺度3 上阈值检测，又在尺度2 上检测模极 值，最后用李氏指数、伪迹判别修正。2 0 0 8 年，p j a f a r im o g h a d a mf a r d a 掣3 6 】设计了一种复 值m o r l e t 小波和复频率b 一样条小波线性结合的混合小波，通过连续小波变换找到系数的极大 值点，最后检测r 波的准确率达到9 9 7 。2 0 1 0 年，j b u s h r a 等【37 】采用中值绝对差对小波变 换的模极大值作阈值判定r 峰的位置。如果选择固定的小波基和分解尺度，分解结果是某一 固定频段的信号，所以小波变换缺乏自适应性。e m d 分解的基函数直接来自原始信号，是局 部自适应的，并且每个i m f 具有不同的局部时间尺度。2 0 0 8 年，j i n g t i a n t a n g 掣3 8 j 利用e m d 分解的i m f l 3 分量来检测r 峰。i m f l 3 分量包含q r s 波信息，而其余分量包含的是p 、t 波、低频噪声的信息。2 0 0 9 年，a a r a f a t 等 3 9 1 先对心电信号3 阶f i r 滤波，再e m d 分解， 取前三个分量和，通过阈值找出r 峰的位置。 由于临床心电信号的复杂性，各种算法的融合也被采用。刘少颖等 4 0 1 将数学形态法和小 波变换相融合，r 峰检测率达到9 9 8 6 。2 0 0 6 年，陈文菊等1 4 l 】提出一种新的r 峰检测鲁棒 算法。利用小波工具箱滤波，再进行微分和h i l b e n 变换，使r 峰突出。测试后，平均检测率 达到9 9 9 1 。2 0 1 1 年，c h i o i ni e o n g 等1 4 2 】采用形态学和正交样条小波变换方法定位r 峰。 与其他文献不同之处是，该文的正交样条小波变换采用a t r o u s 算法代替m a l l a t 算法。a t r o u s 算法不进行降低取样，能更好保持平移时不变性和多分辨率，准确率达到9 7 2 9 。表1 3 列 举五种不同的r 峰检测算法。 表1 3 检测算法性能比较 研究者算法数据库灵敏度特异性 文献 2 8 】 差分m i t b i h4 8 个信号 9 9 5 7 9 9 7 6 文献 3 5 】 m e x i c a n - h a t 小波变换 m i t b i h2 3 个信号 9 9 9 7 9 9 9 3 4 0 名临床病人+ 文献 3 6 】 混合复小波变换9 9 8 0 9 9 9 0 m i t b i h3 0 个信号 文献 3 9 】 f i r + e m d q t + m i t - b i h 1 0 0 | 文献 4 2 】 形态学+ 小波变换m i t b i h4 8 个信号9 8 1 6 9 9 7 0 1 4 本文主要的研究内容 本文围绕心电信号消噪预处理和r 峰定位的研究展开，提出两种新的心电消噪预处理算 法，有效提高了心电信号信噪比；同时提出一种基于带通滤波器的r 峰定位算法，采用at r o l l s 算法进行小波变换，保证了小波系数的时不变性。利用临床心电信号进行仿真和验证，结果 表明本文所提的算法有效消除了心电信号的噪声，实现了r 峰的准确定位。本文的研究内容 如下： 1 、研究了心电信号波形特点、常见的噪声来源、r 峰定位概括等，为e c g 信号的预处理 6 杭州电子科技大学硕士学位论文 和r 峰定位提供理论基础。 2 、提出了基于稀疏编码阈值的平移不变心电信号消噪算法。首先阐述了传统小波阈值消 噪的基本原理，然后研究了平移不变，建立了一种改进阈值函数即稀疏编码阈值函数的消噪 算法。利用模拟信号和m i t b i h 数据库的心电信号进行了验证。结果表明，与传统的硬、软 阈值离散小波变换和平移不变相比，该方法消噪效果最佳。 3 、提出了基于白噪声e e m d 统计特性的消噪算法。首先阐述了经验模式分解和总体经验 模式分解的算法原理、实现步骤，然后研究了e e m d 噪声特性。对采集的含噪信号进行e e m d 分解，然后根据噪声的分布特性，利用噪声分布的置信曲线将i m f 各层的信号层和噪声层分 开，对置信区间内的噪声层进行软阈值处理，最后将它与信号层重构得到消噪后的信号。利 用模拟信号和m i t b i h 数据库心电信号进行了验证。结果表明，与小波方法、e e m d 噪声特 性方法相比较，此算法具有自适应强、消噪效果好等优势。 4 、提出了基于带通滤波器与样条小波变换的心电信号r 峰检测算法。首先设计了带通 滤波器滤除e c g 中的基线漂移，然后对预处理后的e c g 做at r o u s 小波变换，保证了小波系 数的时不变性。最后利用m i t o b i h 的四个心电数据库进行测试，结果表明此算法具有较高的 灵敏度和特异性。 1 5 论文章节安排 本文总共可以分为六章，具体的章节安排如下所述： 第一章，介绍了本论文研究的背景和意义，详细地阐述了心电信号消噪和r 峰定位的国 内外研究现状。 第二章，研究了心电信号波形特点和常见的噪声来源，并介绍了消噪性能指标和r 峰定 位概括等。 第三章，提出了基于稀疏编码阈值的平移不变心电信号消噪算法，介绍了传统小波阈值 消噪算法并引入了稀疏编码阈值函数。为克服q 、s 波附近的伪g i b b s 振荡研究了平移不变。 结果表明，此算法很好地消除了噪声，并保留了信号特征。 第四章，提出了基于白噪声e e m d 统计特性的消噪算法，首先信号进行e e m d 分解，然 后根据噪声的分布特性，将i m f 各层的信号层和噪声层分开，对噪声层阈值处理并重构恢复 出信号。通过心电数据库对提出的方法进行了验证。 第五章，提出了基于带通滤波器与样条小波变换的心电信号r 峰检测方法，设计了带通 滤波器滤除e c g 中的基线漂移，采用6t r o u s 算法对预处理后的心电进行小波变换，保证了小 波系数的时不变性。 第六章，对全文的工作进行总结，并指出本课题今后的研究方向。 7 杭州电子科技大学硕士学位论文 第2 章心电信号 2 1 心电信号及其噪声 心脏由多个肌肉组织构成，推动着人体血液流动，是人体重要的枢纽和动力器官。在每 个心动周期中，起搏点、心房、心室相继兴奋，然后周围组织与体液进行导电，从体表可以 引出多种形式的电位变化，这种变化构成了心电图。将心电描记器的记录电极放在体表任意 两个非等势电部位，记录心电变化图形，如图2 1 所示。随着检测分析技术不断改善，心电 图的作用越来越明显，广泛应用于临床心脏疾病的诊断。例如，心电图分析各种心律失常， 对反映心肌受损程度、心房心室结构情况具有重要价值；对确定心肌梗塞及急性冠状动脉供 血不足具有很高的准确性，间接反映心肌损伤、缺血、梗塞的病变过程；判定心房心室是否 肥大，协助心脏疾病的病理学的诊断；应用于手术麻醉、用药观察，包括治疗心血管疾病的 洋地黄、抗心律失常药物：有助于电解质紊乱比如血k 、c a 的过高或过低的诊断，对指导治 疗有一定的参考价值。 。曩一。 霉嚷； l l 譬鬻弩，q 峥“_ “”缈 群 鞠赫流瓣- 熬煞菇麓蠢 图2 1 心电描记器记录过程 心脏兴奋的产生和传播会引起心脏规律性的收缩活动，将生物电变化快速传导至心肌细 胞。心脏传导系统是心脏有规律的产生激动、并将其快速传导至工作心肌细胞的纽带。心脏 传导系统指心脏产生有规律、高强度的兴奋，然后将兴奋快速传播至工作在心肌细胞的组织， 当传播至整个心脏时，会使心肌细胞产生电位变化，最后依次恢复。心肌细胞组织通过不同 类型组织进行特殊分化，包括结间束、窦房结、房室结、房室束( 希氏束) 、左右房室束支等 围丽霜 杭州电子科技大学硕士学位论文 部分。它们是一类特殊的心肌细胞，集成相连的结和束，成为心脏传导系统。假定把窦房结 比喻成心脏的发电厂，结间束、房室结、房室束和传导纤维比喻成心脏内的电路，则心脏传 导过程类似于发电厂经过无数的输电线路把电传输给各家各户。首先窦