（检测技术与自动化装置专业论文）EMGdi信号中ECG干扰去除方法研究.pdf

中山大学硕士学位论文 摘要 e m g d i 信号中e c g 干扰去除方法研究 专业：检测技术与自动化装置 硕士生：廉志云 指导老师：杨智教授 摘要 c o p d 是一种严重的慢性呼吸系统疾病，死亡率高，它与呼吸肌疲劳有着密切的关系。而膈 肌是重要的吸气肌，通过对它的评估可以有效地监测人的呼吸系统的状况。 e m g d i 中携带有人的呼吸机制的重要信息，是微弱的生物电信号，频谱集中在2 5 - 2 5 吼z 的 宽频带之间，而其中的干扰e o g 信号强大，频谱集中在1 5 皤z 的低频窄带范围里，与e m g d i 信号的低频部分重叠，比较难消除，这严重影响了e m g d i 的信号分析质量。雨现在的几种处理方 法存在着有用信息保留少、人为因素多、准确性差等问题。 小波变换是一种时频局部化、多分辨率分析方法对i 临床上的非平稳信号的处理具有独特的 优越性。而自适应滤波器可以在强的随机性和背景噪声中实现最优滤波，并同时晟低限度地减少 有用信息的损失。本文针对e m g d i 的宽带弱信号非平稳、而e c g 窄带强信号且两者频谱有重叠 的特点，对基于小波分解与信号重建和自适应滤波技术相结合的信号处理方法进行了研究。首先， 采用d b 4 小波作尺度二上的分解得到近似分量a 2 和细节分量d 1 、d 2 ；这样就把e m g d i 中包含 e c g 干扰的低频段分离出来a 2 ，对它按照t m s 算法固定步长作自适应滤波处理，得到最优 输出e c g l ；于是压低了e m g d i 信号，突出了e c g ，而后从a 2 中减去e c g l 得到差值4 2 ，得 到a 2 中的肌电成分；最后口2 和做过简单的修剪处理的细节分量d 2 。、d 1 。作信号的小波重建， 就得到了去除e c g 后的e m g d i l 。 通过对临床数据的处理，并与其它的几种方法作比较，说明了本文方法是可行的。但还需要 对小波变换和自适应滤波作进一步的研究，以提高可靠性，并逐步做到实时处理。 关键词：信号处理，膈肌肌电，心电，小波变换，自适应滤波，干扰去除 中山大学硕士学位论文 摘要 ar e s e a r c ho nt h em e t h o do fr e m o v i n gt h ee c gi n t e r f b r e n c ef h m t h ee m g d i s i g n a l - am e t l l o db a s e d 蚰t h et e c h l l i q u e so fc o m b i 船娃蚰o fw a v e l e t d e c 哪p o s i t i o n a dr e c o n s t n l c t i o na n da d a p t i v e6 l t e r i n g m a j o r ：1 l c s t 抽g1 k h n i q u e s 卸da u t o m a t i ce q u i p m e n t n 锄e ：i j 锄z l l i ”n s u p e r y j s o r ：p r o f y a n gz l l i a b s t i 鼍c t c o p dj sas e v c r cd i s o r d e fo ft h er c s p i f a t o r ys y s t e mw 曲h i g hd e a t h ，c o i r e h t i n gw c u w i t ht h c 白t j g u eo ft h e r c s p i m t o r y 砌s c l e s w l l i kd i a p h f a g mi s t h em o s ti m p o n 锄t i l l s p i r a t o r y 枷s c i e ，w ec 柚n 的n i t o re 廿e c “v e l yo u rr c 印打a t o r ys y s t e m sc o n d i t i o nt h r o u g h e v a l u a t i l l gi t d i a p l l r a g m a t i ce l e c t m m y o 静印h i c ( e m g d i ) s i g n a l sc o n v e yi m p o n 卸ti n 如r m a t i o n a b o u t f e s p i r a t o r yc o m r o lm c c h 柚i s m s e m g d is i g i l a l i sw c a l 【e l l ，w i t hm o s tc n c r g yi i lt h c w j d c 疗e q u c n c yb a n db e t w e e n2 5 2 5 0 h z a n dt h ce c gi n t c 疵r e n c ch a sl a f g ca m p m u d c w i t hm o s te n c f g yi nt h en a r r o w1 0 w 骶q u e n c yb 锄du pt o5 0 h z ，o v c f l a p p i i i gt h ee m g d i s i g n a li nt h c 脚s tr c l e v a n tl o wb a n do fi t ss p e c t m m 1 n h e r e f o r e ，r e i i l o v i i l gt h ce c g i l l t c r f c r e n c e 丘o mt h cr c r d c de m g d ii sa na b s o l u t ep r e r e q u i s i t eb e 如r et h ce m g d i s i g n a l sa 越l y s i s s e v c r a ld i 骶r c n ta p p r o a c h e sw e r es u g g c s t e d ，b u t t h e r es t mc x i s t ss o m e p r o b k m ss u c h a ss m u f u li n f o 删t i o nk e e p i n g 锄d 瑚n m a d ed e c j s i o n w h v e l e tt r a n s f o r mi sat i m c - 丘c q u c n c yl o c a l i z a t i o n 卸dm u n i _ r e s o l u t i o ns i g n a la n a l y s i s m c t h o d ，h a v j l i gp a n i c u l 缸s u p c r 主0 r i t yf o ft h cc l i l l i c a lu n s t a t b n a r ys i g n a lp r o c 髂s i l l g a n d a d 印t i v ef i n e r j l l gc a na c h i e v eo p t i n l a lo u t p u tj l lt h cb a c k g r o 仰dw i t hs t r o gm d o m i c i t y a n dl a 唱en o i s e ，m e a n w h i l cr c d u c i l l gt h el o s s0 fu s e f i l li l l 如瑚a t j o nt 0t h em j l l i m a lc 】【t c n t b 硒e do nt h cc h 盯a c t c r i s t i c so ft h ce m g d is i g n a la n de c gi l l t c f f c r e n c c ，w ci n t r o d u c ct l l i s m e t h o do fc o m b i i i a t i o no fw a v e l e td e c o m p o s i t i o n 锄dr e n s t 邝c t i o na n da d a p t i v ef i l t c r i i l g t e c l i l l i q u c s f i r s t l y t h ee m g d is i g n a l i sd e c o m p o db yw a v e l e td b 4o ns c a k2t o 中山大学硕士学位论文 a p p r o x i l n a t i o l l s a 2a n dd e t a i k d 1 ，d 2 ， t h u st h ee c gi n t e r f c r e n c ei s s e p 盯a t c d 丘o mt h ee m g d is i g n a l ；s e c o n d l y a 2i sa d 印t i v e l yf i l t e r e db yl m sa 培o r i t h l na n d6 x c d s t e p s i z ea n do u l p u t t h eo p t i i n a la p p m a c ho ft h ee c g 抽c i 彘瑚l c e e c g l t h e ne c g l i ss u b t r a c t e d 怕ma 2 ，g e t t i n g 血2 一l h ee m g d ic o m p o n c n tj l la 2 ；f i l l a l l y ，血2a n d c l i p p e dd 2 ，d 1 a f er e c o n s t r u c i e d ，g e t t i i l ge m g d i l 一t h es 培n a lo v e r c o m i i l ge c g j i l t e r 危f e n c e r e s u l t so fc l i l l i c a ld a t a 蛆a l y s i sa n dc o i 印a r i s o nw i l ho t h e rd i f t - e f e mi n c t h o d si n d i c a t e t h a tt l l i sm e t h o di se f e e c t i v e h o w e v e r t h c r ea r es t mm a n yp r o b l e m st ot h i kd b o u t 删 缸l p r o v es 0a st oi n c r e a s et h er e l i a b 洫ya n dr e a l i z et h cr e a l t 疏ep r o c e s s 如g k | e y w o r d s ： s i g i i a lp r o c e 辎i n g ， c l c c 怕m y o g f a p h y o f d i a p b r a g m ( e m g d i ) ， e l e c i l 鲫f d i q g m p h ( e c g ) ，w a v e k l i f a n s 如n i i a d a i v ef n t e f i n g ，r e m d v i gi i l t e l f e r c n c e 中山大学硕士学位论文第一章绪论 第一章绪论 1 1 课题研究背景、意义和目的 慢性阻塞性肺疾病( c h m l l i c0 b s t m c l i v ep u l m o r yd i s e a s e ，c o p d ) 是一种严重的慢性呼吸系统 疾病，它一般会引起肌肉疲劳从而导致呼吸衰竭，病情严重，死亡率高f 1 1 0 因此，病人的生存状 况与能否早期诊断、合理治疗有密切关系。 呼吸功能测定是以呼吸生理为基础，对人体呼吸功能进行定性定量评估的方法。不仅对呼吸 功能受损的性质、程度、损害的可逆性等能够做出较客观的评价，也是监测危重症患者病情及疗 效的重要指标。而且呼吸功能的改变远较临床上呼吸困难的出现得早f 2 l 。 呼吸肌和胸壁一起构成呼吸系统的通气泵，而膈肌又是主要的吸气肌，在呼吸过程中它所起 的作用约占呼吸肌的6 0 8 0 。因此，膈肌肌电信号( e l 胁m y o f a p h yo fd i a p h n g m ，e m g d i ) 中携带着有关人的呼吸机制的重要信息，通过对e m g d i 信号的测量、处理与分析研究来监测人的 呼吸活动，在理论上是最可靠和准确的。而且近年来膈肌生理、病理研究已成为生理学信号研究 的活跃课题p 舢】。 膈肌肌电e m g d i 信号是人体生物电的微弱信号，人部分的功率谱集中在2 5 2 5 0 i z 宽带范闱 之间。在它的信号采集过程中，不可避免地混杂有心电( e l e c t r o c a r d j o 伊印h ，e c g ) 信号、食道 蠕动( c s 叩h a g e a lp e r i s i a l s i s ) 等一些生物电和电极移动伪差( e l e c 仃o d em o t i o na n i f 如t s ) 等因素的 影响。其中心电e c g 信号的峰值比e m g d i 的峰值高出数倍，且它的大部分的功率谱落在0 1 5 0 k 窄带范围内，与e m g d i 的主频带的低频部分有所重叠，是比较难消除的干扰之一。对于肌电信号 来说，这些干扰噪声严重影响e m g d i 信号的参数提取与性能分析的质量，所以对采集到的数字信 号首先应该消除干扰p ，6 ，”。而目前的处理方法中存在有用信息保留少、人为因素多、准确性差、 处理结果不连续等问题。 1 2 国内外的研究现状 在最近2 0 年里，国内外一些学者致力于研究去除膈肌肌电e m g d i 信号中心电e c g 干扰的问 题，也提出了几种不同的处理方法。但是，经过全面的对比，仍然没有找到一种能够满足不同的 特别应用要求的处理方法。 1 2 1 国外研究状况 中山大学硕士学位论文 第一章绪论 国外，对e m g d i 信号的处理经历了从硬件分析逐步向软件分析为主过渡的阶段，逐渐不断地 应用一些比较先进的数学处理算法，从而提高处理结果的准确度和精确度。 1 2 1 1 简单的高通滤波 由于主要的e c g 信号的功率谱集中在o - 2 5 h z 的范围里，首先提出了采用f l r 高通滤波器b 驴】 的处理方法。为了去除尽可能多的e c g 干扰并且避免破坏e m g d i 信号，必须使转折频率在 2 0 3 0 k 范围内，已经发现最佳值为2 5 h z 。当提高转折频率后会降低e m g d i 信号的幅度和改变 e m g d i 信号的形状，而且当心率提高时大部分的e m g d i 信号也会被过滤掉。 这种使用硬件对e m g d i 信号进行高通滤波的方法主要缺点就是e m g d i 信号的能量损失严重， 还可能会导致相位失真。但是这种处理方法的一个显著的优点就是简单，它只需要记录e m g d i 信号，只适合于对信号作粗略的估计的情况。 1 2 1 2 从e m g d i 信号中切除e c g 干扰 在e c g 信号中o r s 波群占主要成分，可以针对q r s 波群作简单的数学运算。采用双通道( 2 c b a 加e lv e f s i ) 同步采集系统，通过一个通道来单独采集记录e c g 信号，并通过简单的门限技 术来决定q r s 波的存在，然后通过另一路采集e m g d i 信号，根据e c g 信号中q r s 波的位置 从e m g d i 信号中找到对应的位置，并从中切除这一段信号p 1 q 1 ”。 这种方法有一个很大的缺点：它还要求干扰与信号要有稳定长久的关系，而且干扰是稳定的。 但是，心率是变化的。而且当心率提高时，会有越来越多的被污染的e m g d i 信号被切除，这样被 保留下来用来进行数据分析的e m g d i 信号越来越短，会丢失很多e m g d i 中有用的信息。且得到 的结果不连续。 1 2 1 3 用相邻部分的没有被影响的e m g d i 来代替原始信号中的e c g 由于上面的剪切技术会丢失掉e m g d i 信号中的很多有用信息，并使其能量受到严重损失。一 种很好的解决方法就是把o r s 波左边和右边的信号分别用相邻的没有被污染的e m g d i 信号来代 替【8 j 。这种方法在呼气间隙e c g 干扰比较明显的地方有明显的效果，但是在吸气间隙e m g d i 和 e c g 相互叠加，就很难决定e c g 干扰信号。还会使处理结果不连续。关于替代部分的e m g d i 信 号的选择，在很大程度上依赖于医师的知识和临床经验，人为因素多，处理结果不一致。 1 2 1 4自适应噪声抵消( a d a p i i v e n o i s ec a n c e e r ，a n c ) 随着计算机和微处理器运算速度大幅度提高，基于软件算法的数字信号处理技术也逐渐不断 地被应用到信号的去噪处理中。由于生物医学信号的主要特点是随机性和背景强噪声，而自适应 处理技术可以在没有先验统计知识的情况下经过递归运算来逼近最优解，更能适应非平稳情况， 2 中山大学硕士学位论文 第一章绪论 因而成为生物医学信号处理的一种重要手段【1 1 ”。 e m g d i 作为自适应滤波器的原始输入信号同步独立采集e c g 信号作为参考输入，通过白 适应滤波处理从采集到的e m g d i 信号中输出混杂在其中的e c g 干扰，然后再从原始的e m g d i 信号中减去自适应输出的e c g 【1 4 】。利用u s 算法来调整权向量： 妒( 行+ 1 ) ，( 聆) + 2 一p ( h ) p ( 玎) 这里，“n ) 是( mx 1 ) 维的向量，包含有m 个最新的e c g 采样这其中含有最真实的一个e c g 信号；滤波器的权向量w 0 + 1 ) 和w 0 ) 也是( m 1 ) 维的向量。肛是收敛因子必须满足 o p 2 “丁，( f ) 庐( 2 7 f 一七 ( 3 - 1 7 ) 在r 瘦j 下辑奄钓细节信号d i f 为： d ，1 t ，( f ) ，办 o ) t2 m ，o 即( 2 7 f 一七渺 ( 3 _ 1 8 ) 信号，( f ) 分解的过程是j + 1 尺度到，尺度的逐步分解过程，即对信号从分辨率高到低的过程，具 体是把爿鼻。，分解为爿? ，和d ；厂，总结如下： 中山大学硕士学位论文 第三章小波分析和自适应滤波 p ；，。； ( 七一知m 鼻， i d ；。善g 一知m 鼻t ， ( 3 1 9 ) 这是一个递推公式， ，( f ) - 名，。一般情况下分解到5 到6 层足够了，即j 一5 或6 。 3 2 6 小波基函数的选择口9 叫 与标准傅里吖变换相比，小波分析中所用到的小波函数具有不唯性。因此，小波基的构造 与选择不仅是小波分析理论研究的重要内容，而且是信号分析处理的前提和条件。但是小波基的 构造要与特定应用密切联系在一起，而且构造1 f 常适合应用的小波基需要很深的理论基础和较多 的研究经验，一般我们在应用中都采用比较经典的小波函数。由于d b 小波函数能提供比其它函数 更有效的分析和综合所以本文选择d b 小波系作为应用对象。r 面对d b 小波系作简单的介绍。 3 2 6 1h a a r 小波 h a a r 函数是一个具有紧支撑的正交小波函数，它的定义为： 妒o ) 一 10 f 0 5 1o 5 f 1 o f 诺【o ，1 ) h n r 函数的图形如图3 - 2 所示。从中可以看出。 h 的r 函数不光滑在时域上是不连续的。它的优点是 计算简单，并且妒o ) 与妒( 2 f )【j z 】正交( 即 ，妒( f 即( 2 f 渺i o ) ，同时也与自己的整数位移正 交( 即，妒( f ) 妒。一t ) 出_ o ，七z ) ，因此在口l 2 的多分辨率系统构成一组最简单的正交归一的小波 族。 3 2 6 2 d a u b e c h i e s ( d b n ) 小波系 ( 3 2 0 ) 【 0 6 图3 2h a r r 小波 d a u b e c h i e s 函数是由由世界著名的小波分析学者i m i dd a u b e c h i e s 构造的小波函数，除了d b l ( 即h n r 小波) ，其它小波没有明确的表达式，但转换函数h 的平方模很明确。 2 1 中山大学硕士学位论文第三章小波分析和自适应滤波 其中 假设p ( y ) 一：c ，一1 “_ ) ，其中c f “为二项式系数，则有 菩 瞰珊x 2 一( c o s 2 c 珂p p 嗤，) 坍。( 小击= 1 缸“ 痧( ，)甲( 1 ) ( 3 2 1 ) 小波函数妒和尺度 函数西的有效支撑k 度为 2 n - 1 ，小波函数的消失矩 阶数为n ，在 n = 2 ，3 ，4 ，5 ，6 ，7 ，8 时的小波 函数1 ；c r ( f ) 和尺度函数 妒o ) 的波形图如图3 3 。 d a u b e c h i c s ( d b n ) 小波系的特点； 1 ) 时域上是有限支 撑的，即妒( f ) 的长度有 限。而且其高阶原点矩 户妒。冲i o ，p 。o n 值越大，妒( f ) 的长度越 长。 2 ) 在频域上妒o ) 在 u = 0 处有n 阶零点。 3 ) 妒p ) 与自己的整 数位移正交，即 p o 弘( f 一七冲q 七z 图3 3 d b n ( n = 2 ，3 ，4 ，5 ，6 ，7 ) 的尺度函数矿o ) 和小波函数妒p ) 的波形 由丁二d a u b e c h i e s 小波具有 中山大学硕士学位论文第三章小波分析和自适应滤波 紧支性和正交性，使得它自问世以来，就引起了众多学者的关注，对其理论研究和应用研究异常 活跃，研究成果层出不穷。现在d a u b e c b j e s 小波已被广泛应用于信号处理、图像压缩、语音识 别、微分方程求解等众多领域。 d a u b e c h i e s 小波没有显式的数学表达式，其尺度函数丸( f ) 和相应的小波函数妒( f ) 由以下 的二尺度方程给出： 九( f ) 一p n ( 女) 如( 丑一七) ( 3 2 2 ) t - 0 ( f 卜。互p ) “( 各一 其中 日。( 七) 一( 一1 ) 1 。p ，( 1 一七) ( 3 2 3 ) 式中的p ) 称为小波滤波系数，对于给定的菜一正整数td a u b e c h i 小波仅有2 个 p 忙) 不等于零。通常将具有2 个菲零滤波器系数的d a u b e c h j 小波简称为d 小波同时称 其尺度函数阶次为阶。 在利用小波变换进行去噪的过程中，往往要求小波函数具有光滑性、正交性、规则性等方面 的条件，光滑性是为了使小波变换后的信号小波系数具有表征信号和噪声奇异性的能力，用正交 小波基由多尺度分解得到的各系数的数据分别落在相互正交的工2 僻) 2 的子空间中，使各系数数据 相关性减小，有利于噪声信号的分辨。从图3 3 上可以看出小波基的规则性与对应的滤波器组 长度有关：滤波器组越长，规则性越好，平滑能力也越强，规则性太好，会平滑掉信号的细节部 分。 3 3 小波分析方法去噪 小波变换是一种时间尺度分析方法，具有良好的时频局域化性质。尤其对于时变信号的 分析具有独特的优越性，非常适合非平稳信号的去噪、检测和定位。 小波分析方法去噪的原理：一般地，有用信号通常表现为低频信号或是一些较平稳的信号。 而噪声则通常表现为高频信号。一维信号的去噪过程通常可分为以下三个步骤进行。 ( 1 ) 一维信号的小波分解。选择小波并确定小波分解的层次n 。然后对信号进行n 层小波 分解。图3 1 是对信号进行三层分解的示意图。 中山大学硕士学位论文第三章小波分析和自适应滤波 ( 2 ) 对小波分解的高、低频系数分别根据各自的信号特征选择合适的处理方法。 ( 3 ) 一维小波的重构。根据小波分解的、并经过处理的第n 层的低频系数和第1 层到第n 层的高频系数，进行一维信号的小波重构。 在本文的研究工作中，这三个步骤中，最关键的就是如何对低频系数进行处理，从某种程度 上说，它直接关系到信号去噪的质量。 3 4 自适应滤波 信号中加性干扰噪声的消除问题一直是一个重要的、被普遍关注的问题。传统的方法是采用 维纳滤波器或卡尔曼滤波器。维纳( w e i m r ) 滤波器，它根据平稳随机信号的全部过去和当前的 观察数据来估计信号的当前值，在最小均方差的条件下得到系统的传递函数或者冲击响应，它是 种最优线性滤波方法，参数是固定的，适用于平稳随机信号。卡尔曼( k a l m n ) 滤波，它是仅 需对当前观察的数据作处理的滤波算法，它自动调节本身的冲击响应特性，从而达到最优化滤波。 它的参数是时变的，适应于非平稳随机信号。然而，只有对信号的和噪声的统计特性先验已知的 情况下这两种滤波器才能获得最优滤波。遗憾的是，在实际应用中，常常无法得到这些统计特 性的先验知识；或者统计特性是随时间变化的。因此，用维纳或卡尔曼滤波器实现不了最优滤波。 在这种情况下，自适应滤波却能够提供卓越的滤波性能煳。 所谓自适应滤波就是利用前一时刻已获得的滤波器参数等结果，自动的调节现时刻的滤波器 参数，以适应信号和噪声未知的或随时问变化的统计特性，从而实现晟优滤波f ”。自适应滤波器 不需要关于输入信号的先验知识，计算量小，特别是用丁二实时处理，近年来得到广泛的应用。 3 4 1自适应滤波技术的发展与回顾 从二十世纪六十年代开始，自适应滤波处理器就成为人们研究的对象，它是现代信号处理技 术的重要组成部分。自此以后，其理论在不断的发展与完善，应用也越来越广泛，至今被认为是 国内外学术界的研究热点。 w i d f o w 和h o 雎在1 9 5 9 年提出了最小均方( k tm 龃ns q u a r e ，l m s ) 自适应算法 7 ”，随 后得到了相当程度的普及。在6 0 、7 0 年代，曲w 等人采用随机扰动方法来研究调整滤波器的 权系数值，以期望获得最优解。由于u h s 算法采用了梯度搜索法，这使得收敛到最优解远比用其 它方法来的快，因而被广泛应用于计