版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
阅读文献报告一、研究课题的意义心电信号研究意义近些年来,随着人们生活节奏的加快和工作压力的加大,心脏病逐渐成为危害人类健康的主要疾病之一。据统计,全世界死亡人数中约有三分之一死于该疾病,而在我国因心血管疾病而死亡的人数也占总死亡人数的44%,可见心脏病已成为危害人类健康和生命安全的“第一杀手”。心电信号是人类最早研究并应用于医学临床的生物电信号之一,与其他生物电信号相比,它更易于检测并具有较直观的规律性,而且它是心脏电活动在体表的综合反映,临床心电图检查对于检测和诊断心脏疾病具有重要意义。心电信号的处理是信号处理在生物医学上的应用,它综合工程学、生物学和医学的理论和方法,在各层次上研究人体不同状态的变化,并应用工程技术手段来控制这种变化。现有的心电信号处理方法主要分为硬件处理和软件处理,随着科学技术的快速发展,硬件条件已经不再是问题,但是,传统的以及现有的软件处理理论和实践方法都在一定程度上存在着不足,因此有必要进一步研究,寻求更可靠的方案。在实际应用中,心电信号的去噪处理和波形检测是心电信号分析诊断系统的关键,其准确性、可靠性决定着诊断和治疗心脏病患者的效果。本文主要结合仿真工具MATLAB7.0提出对心电信号去噪处理算法和波形检测算法进行研究,其具有重要的理论意义和实用价值。另外形态学是一门新兴的图像分析学科,它的成功归功于一个新的思路,即摒弃了传统的数值建模及分析方法,而从集合的角度来刻画和分析图像。其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状,以达到对图像分析和识别的目的。自适应技术已经被广泛应用于数字通信、雷达和工业控制等领域.本文以随机干扰噪声信号作为研究对象,在Matlab上设计自适应滤波器的程序,改变自适应参数,进行了一系列的仿真,为硬件实现提供了有力的参考。本文将这些有机的结合到一起,来更好的对心电信号进行去噪与识别。我国对心电信号的研究现状同时,当前我国医疗面临的主要问题有:①我国幅员广阔,医疗水平有明显的区域性差别,城市的医疗条件明显优于广大农村和边远地区,这不仅表现在医疗设施的配置上,更主要表现在医疗专家分布的不均衡性上。②计划生育这一基本国策的推行,加速了我国人口结构的老龄化,中国现有人口13亿左右,其中60岁以上老年人口已超出1.44亿,占全国人口的11%,并且每年以3.2%的速度在增加,老年人的行动不便以及器官功能的衰竭也为我国医疗带来了很大的挑战。鉴于以上的阐述,为了有效避免现有诊断方法存在的种种弊端、弥补我国医疗区域性差别以及提高老年人医疗的方便性,研究和开发能够自动诊断或远程诊断心脏病的医疗系统具有非常重要的现实意义。Holter等心电监护系统采集的ECG信号实际上是动态心电信号,在记录过程中病人可能处于各种各样的状态,譬如出入一些干扰很强的地方,或是大幅度的运动,故而动态心电信号的质量比起常规心电图要差很多,这对波形检测与识别的正确性有很大影响。因此,如何有效减少噪声干扰的影响,进一步提高心电波形检测准确率和分析可靠性,仍然是许多学者热衷的课题。针对这一现状,本文对心电信号的去噪和波形检测算法进行研究。1.3心电信号概述及ECG生理机制正常人体内,由窦房结发出的一次兴奋,按一定的途径和时程,依次传向心房和心室,引起整个心脏的兴奋。因此,每一个心动周期中,心脏各部分兴奋过程中出现的电位变化的方向、途径、次序和时间都有一定的规律。这种生物电变化通过心脏周围的导电组织和体液反映到身体表面上来,使身体各部位在每一心动周期中也都发生有规律的电变化。将测量电极放置在人体表面的一定部位,记录出来的心肌细胞生物电变化曲线即为临床常规心电图,它反映心脏兴奋的产生、传导和恢复过程中的生物电变化。心脏机械收缩之前,心肌先产生电激动,产生微弱的电流,这种电流能通过组织和体液传导至体表,在身体不同部分的表面形成电位差,将每一心动周期内所发生的电位差用心电图机记录下来即为心电图(ECG)。心电图是由心肌细胞的生物电变化而产生的。心肌细胞在安静状态下,膜外电位为正,膜内电位为负,其内外两侧的电位差成为静息电位,细胞呈极化状态当心肌细胞受到刺激发生兴奋时,兴奋部位的膜电位去极化,即原来的外正内负电位变为外负内正电位。经过短暂时刻,膜电位又自动向静息电位方向恢复,其过程称为复极化。心肌细胞每兴奋一次引起一次膜电位变化过程,形成动作电位这些许许多多心肌细胞的电活动综合叠加就形成心电图。心脏是由两种不同的心肌组成,其一是能产生和传导冲动的特殊传导;其二是具有机械收缩机能的普通心肌组织。心脏的基本活动包括电活动和机械活动,在每个心动周期中都是电活动在前机械活动在后,两者相差0.045一0.075,形成了兴奋和收缩藕联。窦房结位于右心房上腔静脉入口处,是心脏激动的最高起搏点,它能自动地,有节律地发出一定频率的激动,通过传导系统传至普通心肌组织,引起心肌的机械性收缩反应,即心房与心室的收缩与舒张活动。正常人的心脏,在生命活动中呈现出规律性,特征性的心电信号和图形。依照心脏激动的顺序,一个周期的ECG一般由P波,QRS波群和T波等组成,如图1所示。Fig.2ThewaveformofnormalECG心肌在其除极与复极的过程中,电流的方向及电压的大小每一瞬间都在变化着,按其时间先后的顺序,将此种向量变化的、每一瞬间向量的最远点连接起来,就形成一个环状图形,称为向量环(vectorloop)。由于心脏是立体的,有上下面、左右面及前后面的不同,因此向量环反映在额面,横面(水平面)及侧面(矢状面)上,亦有各种不同形状的环。投射到额面的导联轴上,女口I、II、III、aVR、aVL、aVF,和横面的导联轴上如Vl~V6等,就形成了各导联上不同的心电图形。根据向量环有P环、QRS环及T环的不同,投影到各导联轴上就形成了各导联上的P波、QRS波及T波等。总之,心电图上各波、段的形成,就是心电向量环在各导联轴上的投影。P波:P波代表左右心房去极化过程的电位变化。历时0.08〜0.11s,波幅不超过0.25mV,其波形小而圆钝。P波在不同导联上的形状可有差异,在aVR导联的P波倒置,在其它的导联中则以向上的正波为主。QRS波群:QRS波群代表左右两心室去极化过程的电位变化。历时0.06〜0.10s,典型的为R波,QRS波群包含三个紧密相连的波,第一个向下的波为Q波,其后向上的高而尖的继R波之后的一个向下的波为S波。但是在不同导联记录的心电图上这三个波不一定都出现,其波形和幅度变化也比较大。T波:T波代表心室复极过程中的电位变化,是一个波形圆钝、占时较长(0.05〜0.25s)的波,波形的前肢较长,而后肢较短。T波的方向与QRS波群的主波方向一致,在R波为主的导联中,T波的幅度不应低于R波的1/10。PR间期:由P波起点到QRS波群开始之间的时间,代表心房除极开始到心室除极的时间。正常成人为0.12〜0.20s。PR段:从P终点至QRS起点之间的线段。一般PR段与等电位线水平相同。ST段:自QRS波终点至T波起点之间的线段,代表心室各部分已经全部进入去极化状态。心室各部分之间没有电位差存在,因此又恢复到基线水平。正常ST段上升不应超过基线0.1mV,下降不应低于基线0.05mV。在aVR导联则相反,ST段上升不应超过0.05mV,ST段下降不超过0.1mV。在VI,V2,V3导联中,ST段上升可允许超过0.1mV,v3导联最高可达0.3mV,但多为斜上型。QT间期:从QRS波群起点至T波终点的时程,代表心室开始去极化至完全复极到静息状态的时间。这一间期的长短与心率密切相关。心率越快,QT间期
越短;反之,则间期越长。正常成人的QT间期为0.32〜0.44s。二、心电信号去噪各种方法2.1基于小波变换的各种信号去噪方法阈值法小波阈值去噪是一种非线性去噪方法。在最小均方差意义下可达近似最优,并且可取得最好视觉效果。是计算量最小的一种方法。正交变换具有较强的数据相关性。它能够使在小波域中及中国在一些大的有限系数中,而噪声的能量却分布在整个小波域内。经小波分解后,信号的小波变换系数大于噪声的,也可达到认为幅值大的小波系数一般以喜好为主。找一个合适的阈值,噪声引起的小波系数进行萎缩来去噪。小波阈值去噪的具体处理过程:将含噪信号在各尺度上进行小波分解,保留大尺度低分辨率的全部小波系数;对于各尺度高分辨率下的小波系数,可以设定一个阈值,幅值低于该阈值的小波系数置为0,高于该阈值的小波系数或者完整保留,或者做相应的收缩处理。最后将处理后的小波系数利用逆小波变换进行重构,恢复出有效的信号。小波阈值去噪方法由以下3部组成:计算含噪信号的正交小波变换。对于长度为N的含噪信号X,利用正交小波变换的快速算法获得低分辨率L下的尺度系数,及各分辨率下的小波系数,其中尺度系数和小波系数共N个。在处理边界时,通常采用周期延拓方法。对小波系数进行非线性阈值处理。为保持信号的整体形状不变,保留所有的低频系数。对每个小波系数,采用软阈值和硬阈值的方法进行处理:TOC\o"1-5"\h\z厂 、w—九wn九j,k j,k\o"CurrentDocument"软阈值:w=^0| ® 九〉j,kw+九® <—kj,k j,k即,将含噪信号的小波系数与所选定的阈值九进行比较,大于阈值的收缩为该点值与阈值的差值;小于阈值相反数的收缩点为该点值与阈值的和;幅值小于等于阈值的点变为0。wIw|>kj,k j,k0| w|<kj,k即,把含噪信号的小波系数的绝对值与所选定的阈值久进行比较,小于等于阈值的点变为0,大于阈值的点保持不变。软阈值估计得到的小波系数w整体连续性好,从而使得估计信号不会产生j,k附加震荡,但是当|w|>X时,w与w总存在恒定的偏差,直接影响着重构j,k j,k j,k信号的真是信号的逼近程度;硬阈值法在均方误差意义上优于软阈值法,但是所得到的估计信号会产生附加振荡(这是由于硬阈值在处理函数在久处不连续引起的),不具有同原始信号一样的光滑性。这些分析表明,软阈值通常会使去噪后的信号平滑些,但是也会丢掉某些特征;而硬阈值可以保留信号的特征,但是在平滑方面有所欠缺。一般来说,去噪中软阈值会用的比较多。下图即为软硬阈值估计小波系数的方法:图2估计小波系数的软硬阈值方法Fig.2Thewaveletcoifficientestimationofthehardandsoftthreshouldingmethos最后进行逆小波变换。由所有低频系数,以及经由阈值处理后的小波系数做逆小波变换进行重构,得到回复原始信号的估计值。小波分解与重构法去噪1988年,文献[1]提出了多分辨分析的概念,并给出了小波分解与重构的快速算法,即Mallet算法。据这一算法,若fk为信号f(t)的离散采样数据,fk=c0,k,则信号f(t)的正交小波变换分解公式为cj,k=工ncj-l,nhn-2kdj,k=Endj-1,ngn-2k(k=0,1,2,•…N)(1)其中,cj,k为尺度系数;dj,k为小波系数;h、g为一对正交镜像滤波器组(QMF);j为分解层数;N为离散采样点数。小波重构过程是分解过程的逆运算,相应的重构公式为cj-1,n=Encj,nhk-2n+Endj,ngk-2n(2)小波的多分辨分析特性能将信号在不同尺度下进行多分辨率的分解,并将交织在一起的各种不同频率组成的混合信号分解成不同频段的子信号,因而对信号具有按频带处理的能力。应用小波分解与重构的方法去噪具体步骤是::根据需要,将含有噪声信号在某一尺度下分解到不同的频带内,然后再将噪声所处的频带置零(或直接提取有用信号所在的频带),进行小波重构,从而达到去噪的目的。非线性小波变换阈值法去噪非线性小波变换阈值法也称为“小波收缩”(waveletshrinkage),其去噪方法如下:假设一个叠加了高斯白噪声的有限长信号可以表示为yi=xi+ozi (i=O,l,...,n-1) (3)其中,zi是一个标准的高斯白噪声, 是噪声级。若要从被噪声污染的信号yi中恢复出原始信号xi,则Donoho的去噪方法分为以下3个步骤:计算含噪声信号的正交小波变换。选择合适的小波和小波分解层数j,将含噪信号运用(1)式进行小波分解至j层,得到相应的小波分解系数。对分解得到的小波系数进行阈值处理,其阈值的处理方法有2种:硬阈值法和软阈值法进行小波逆变换。将经阈值处理过的小波系数用(2)式重构,得到恢复的原始信号估计值。小波变换具有一种“集中”的能力,它能将信号的能量集中到少数小波系数上;而白噪声在任何正交基上的变换仍然是白噪声,并且有着相同的幅度。相对来说,信号的小波系数值必然大于那些能量分散值较小的噪声的小波系数值。选择一个合适的阈值,对小波系数进行阈值处理,就可以达到去除噪声而保留有用信号的目的。该方法能得到原始信号的近似最优估计,并且具有非常广泛的适应性[19]。平移不变量小波去噪平移不变量小波去噪法是在阈值法基础上的改进。虽然用阈值法能取得很好的去噪效果,但在有些情况下,如在信号的不连续邻域,阈值法去噪会表现出视觉上的非自然信号,如伪吉布斯现象,即不连续点附近的信号会在一个特定的目标水平上下跳变。利用平移不变量法去噪,则可有效地抑制这种现象。其方法是:对含噪声信号进行n次循环平移,对平移后的信号进行的阈值法去噪处理,然后再对去噪的结果进行平均,这就是所谓的“平移-去噪-平均”的平移不变量小波去噪法。对于一个信号xt(OWtWn),Hn={h:OWhvn},用Sh表示对信号xt进行h的时域平移,h是正整数,T表示对信号用Donoho的阈值法进行去噪处理,Ave表示“平均",S-h=(Sh)-1,则n次循环平移的平移不变量小波去噪方法可以表示为:T-(x,(Sh)heHn)=AveheHnS-h(T(Sh(x)))(6)该方法在去除伪吉布斯现象,表现出更好的视觉效果的同时,还能够得到比阈值法去噪更小的均方根误差(RMSE),并且提高了信噪比(SRN)。小波变换模极大值法去噪信号的奇异点就是指信号中的突变点,Lip指数是表征信号局部奇异点特征的一种量度,它的定义如下:设有正整数n,nWaWn+1,如果存在正整数A>0及n次多项式pn(x),使得f(x)-pn(x-xO)WAx-xOa对于xe(x0-6,x0+6)成立,则称f(x)在x0点是Lip
a的。函数在某一点的Lip指数表征了该点的奇异性大小。a越大,该点的光滑度越高,a越小,该点的奇异性越大。函数在某一点可导,它的a$1;函数在某点不连续但其值有限,则OWaW1。对一般信号而言,它的a$0;脉冲信号的a=-1;白噪声的a<0(a=-12七龙>0)。在尺度s下,若x^6x0,有Wf(s,x)WWf(s,xO) (5)则称x0为小波变换在尺度s下的局部模极大值点。信号f(x)的Lip指数与小波变换模极大值满足log2W2jf(t)Wlog2k+ja (6)由(8)式可知,对于一般信号,由于a$0,小波变换的模极大值将随着j的增大而增大;而对于白噪声,由于a<0,其模极大值随着j的增大而减小。因止匕观察不同尺度间小波变换模极大值变化的规律,去除幅度随尺度的增加而减小的点(对应噪声的极值点),保留幅度随尺度增加而增大的点(对应于有用信号的极值点),然后再由保留的模极大值点用交替投影法进行重建,即可以达到去噪的目的。2.1.5基于最优小波包基的信号去噪算法形成小波包基.对于所有的小波包基,选取信号代价函数(嫡)值最小者为最优小波包基•所谓代价函数值最小,其中S代表信号,S,代表信号S在一个正交小波包基上的投影系数.通常所使用的代价函数要求具有可加性,即则称M则称M为一个具有可加性的信息代价函数。由双尺度方=v'2和-k>〔L⑵一个小波包基对一信号的小波包分解可以采用多种小波包基来实现,不同的小波包基对信号有不同的分解结果,其结果所能反映出信号特性的程度也不一样,因此,人们希望找到一个最优的小波包基,以便能最有效的表达信号的特征.首先给定一个序列的信息代价函数M,然后在所有小波包基中寻找使M最小的基•对于一个给定的序列来说,从实际应用上讲,这样一个信息代价函数M应当能描述序列的集中度或能说明为了准确描述该序列所需要的小波包分解系数的个数•因此,当所有的系数值都相差不大时,M就比较大,而当大部分的系数均忽略不计,只有少数几个系数比较大时,那么M就比较小。因此这少数几个系数就集中的体现了隐含在该序列的信号的特征。2.2高阶谱去噪方法高阶统计量包含有四部分内容:高阶累积量、高阶矩及它们的谱,即高阶累积量谱、高阶矩谱。通常所讲的高阶谱是指高阶累积量谱,高阶统计量技术的最大特点就是能抑制混杂在有用信号中的高斯噪声成分,提高非高斯信号包含的有用信息,提高信噪比。假设一零均值的高斯随机过程:那么其一阶累积量(即均值)为零,二阶累积量为其自相关函数,并且所有高于二阶的累积量都恒等于零,这是高阶累积量的一大优点,而高阶矩却没有此特性。在实际工程应用中,我们主要使用高阶累积量(而不是高阶矩)作为时间序列分析的数学工具,其原因归结起来有以下几条:①理论上高阶累积量的使用可避免高斯有色噪声影响,而高阶矩却不能;如同高斯白噪声的协方差函数是冲激函数,其谱是平坦的直线一样,高斯白噪声的高阶累积量是多维冲激函数,其多谱是多维平坦的,这使我们很容易建立非高斯信号与线性系统传递函数之间的关系,但白噪声的高阶矩及其谱却无此优点;从考虑问题解的唯一性方面看,高阶矩的解不满足唯一性,但累积量问题的解满足唯一性条件;④两个统计独立的随机过程的累积量等于各自累积量之和,而该结论对于高阶矩却不成立,这一性质使得累积量非常适合于作为一种算子来使用。高阶谱除噪的应用范围:可以去除信号中的高斯噪声,对其它的噪声则不行;信号与噪声应是平稳的;高阶谱的计算量大;2.3基于数学形态学的心电信号去噪数学形态学是一门建立在严格数学理论上的学科,它提供了一种有效的非线性信号处理的方法,可以很好的保持信号的几何信息。数学形态学最基本的概念是结构元素,它本身具有一定的形态(如点、线段、和圆等),相当于一个探针。在图形中不断的移动结构元素,便可以考察出图形各部分之间的关系,类似于人的注意焦点(Focusofattention,FOA),结构元素可直接携带图形知识(形态、大小等)用不同的结构元素来处理一维信号可以得出不同的结果。腐蚀和膨胀是数学形态学中最基本的运算,其他更为复杂的形态学运算也可以通过它们来定义。腐蚀和膨胀在一维信号处的定义如下:设f(n),(n=0,l,2,3...N-l)和k(m),(m=0丄2,3...M-1)分别为一维离散函数,N和M,其中f(n)为待处理的信号序列,k(m)为结构元素。f(n)关于k(m)的腐蚀运算:(f(nk=min{f(n+m)-k(m)} n=(0,1,2,3...N-M)m=0,1,2...M-1f(n)关于g(n)的膨胀运算:(f(n㊉k=min{f(n+m)-k(m)}n=(0,1,2,3...N-M)m=0,1,2...M-1这两种算法分别在前后减少了M个点。具体地讲,对于ECG信号序列f(n),计算点n处膨胀结果的实现步骤为:⑴将结构元素k左右翻转;将翻转后的结构元素k平移至n点处;将结构元素与信号序列相加;取相加结果的最大值。计算点n处腐蚀结果的实现步骤为:平移结构元素k至n点处;信号序列与结构元素相减;在差值中取最小值。可以看出,这种运算实际上仅包括加、减以及比较等简单运算。由形态学膨胀运算和腐蚀运算可以组成形态学开运算和闭运算。开运算是指对信号先进行一次腐蚀运算,再进行一次膨胀运算,记为f.k(n)=((f(k®k)㊉k)。闭运算是指对信号先进行一次膨胀运算,再进行一次腐蚀运算,记为f•k=((f㊉k)®k)。开运算通常用来去除信号中的波峰,闭运算则用来填充信号中的波谷。2.4基于自适应滤波器的心电信号去噪自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。一般而言,自适应滤波器由两部分组成,一是滤波器结构,二是调整滤波器系数的自适应算法。自适应滤波器的结构采用FIR或IIR结构均可,由于IIR滤波器存在稳定性问题,因此一般采用FIR滤波器作为自适应滤波器的结构。假设x(n)为输入信号,通过参数可调的数字滤波器后产生输出信号y(n),将输出信号y(n)与标准信号(或者为期望信号)d(n)进行比较,得到误差信号e(n)。e(n)和x(n)通过自适应算法对滤波器的参数进行调整,调整的目的使得误差信号e(n)的均方值最小。自适应滤波器的典型应用是自适应噪声对消器。噪声对消使用在信号很弱,或者信号不可检测的噪声场中,将从一个或多个传感器取得的辅助输入或者参考输入加以过滤,并从包含信号和噪声的原始输入中减去。结果原始噪声受到衰减,或者由于对消而被除掉。图一为自适应噪声对消器的原理图。它有两个输入:原始输入与参考输入。原始输入为受干扰信号d(d二s+v);参考输入是信号v,jj01它与干扰信号v相关但不与信号s不相关。图中自适应滤波器AF(Adaptivefilter)0接受误差信号e的控制调整滤波器权向量w,使输出y趋于等于d中与它相关jjjj的v,于是e作为d与y之差就非常接近或者等于信号被检测信号s。0jjj图1自适应噪声对消器Fig1Adaptivefilterfornoiseelimination自适应滤波器可以从噪声中提取信号,虽然维纳滤波器也能实现,但是设计维纳滤波器需要预先知道输入信号s与干扰信号v或v的传统特性,而自适应滤01波器不需要,并且当信号或者噪声统计特性变化时,自适应滤波器也能自适应的调节它的冲击响应特性来适应这一变化。自适应噪声对消器的一个典型的应用就是自适应陷波器。如果信号中的噪声是单色干扰,则消除这种干扰的方法就是用陷波器。用自适应滤波器组成的陷波器与一般固定网络的陷波器比较有下列优点:能够自适应的准确跟踪干扰信号的频率。容易控制频带。图2给出了一个具有两个权的单品干扰对消器组成的陷波器。原始输入为:任意信号s(t)与单频干扰Acos(wt+a)的叠加,经采样后送入d端,故有jd=s+Aos(w?kajjjFig2Adaptiveband-passfilter参考输入为一标准正弦波cos(wt),经采样后送入x及x端,其中后者经过1j 2j900相移,因而有x=cos(wT)和x=sin(wT),两个权值w和w使得组合后的正1j2j 1j 2j弦波幅值和相位都可以调整,因为两个权表示有两个自由度调整。经组合后相加得到y其幅度和相位都可以与原始输入中的干扰分量相同,使得e中的单频干jj扰得以取消,达到陷波的目的。三、基于形态学的自适应滤波器设计3.1形态学滤波器对基线漂移的去除形态学滤波器将形态学中的开闭运算以级联的形式,组合来去除心电信号中的噪声,单一运用形态学滤波器去噪时,这种方法运算简单,但是在去除心电信号中的高频噪声时,输出的波形会有失真,对不能很好的保留信号中的有用信息。单一自适应滤波器对心电信号去噪时,必须每次去噪时都要有参考信号的输入,在去除高频信号时能很好的保留信号的特征,但是在去除低频信号时不能很好的去除,而且计算量较大。形态学滤波器的实质是通过组合运用开闭运算,消除信号中特定宽度的波峰和波谷,信号中实际被滤除的陈分与运算中所采用的结构元素有关,如结构元素的宽度为M,信号中的波峰和波谷的宽度为N,则有N>M信号被保留N<M信号被滤除为了同时去除信号中的政府两脉冲噪声,Maragos采用开闭运算的级联组合形式,定义了形态开闭(open2close)和形态闭开(close2open)滤波器:OC(f(n))=(f®k㊉k)f(n)OC(f(n))=(f㊉k®k)f(n) (1)由于开运算的收缩性使得开闭滤波器的输出幅值较小,闭运算的扩张性使得闭开滤波器的输出幅值较大,为了抑制单相偏移,采用两种滤波器的组合形式:OC_CO(f,k)=(OC+CO)/2=(f®k㊉k+f㊉k®k)/2 (2)形态学滤波器参数的选择结构元素是数学形态学中最基本的概念,结构元素的选取在形态变换中非常重要,不同的形状和尺寸都会影响形态变换的性能。结构元素的选择包括决定结构元素的形状、宽度和高度。结构元素选取的基本原则:形状:选取的结构元素的形状要尽可能接近待分析信号的图形特点。结构元素有一些不同的形状,如三角形、圆形和直线形等[10]。尺寸:结构元素的尺寸包括宽度(结构元素定义域的宽度)和高度(结构元素的幅值)。其中结构元素的宽度对信号的处理效果影响更大[11]。选取结构元素的尺寸应大于被滤除信号的尺寸,但小于被保留信号的尺寸。若选取的宽度较大,则可能会滤除特征波形,引起失真,若宽度较小,则不能完全滤除噪声。在利用形态学滤波器处理ECG信号的过程中,结构元素的形状可根据ECG信号的特点来选择。结构元素的宽度根据ECG信号的采样频率(FS,Hz)和特征波形(P波、QRS波群和T波)的时间宽度(TW,s)进行设定。特征波形的采样点数为TWFS,若需要滤除我们期望的特征波形,则结构元素的宽度N应该大于TWFS。特征波形的时间宽度如表1所示。设ECG信号的采样频率为360Hz。3.2校正ECG信号的基线漂移受到干扰的ECG信号时特征波形与缓慢信号叠加的结果,如图4所示,我们选取合适的结构元素进行形态滤波,即可分离除基线漂移信号,然后用ECG信号减去基线漂移信号就校正后的ECG信号。就理论而言,直接采用较大的结构元素对ECG信号进行形态滤波,可以得到基线漂移信号,但在实际仿真过程中,高幅QRS波域其临近的波形区域之间的波峰波谷也会被滤除,造成基线校正后ECG信号的失真。为了避免造成ECG信号的波形失真,我们采用下列步骤来校正ECG信号的基线漂移。首先滤除QRS波群,采用开闭和闭开滤波器组合形式对受基线干扰的ECG信号f进行处理,见公式(2),得到滤除QRS波群的信号f,即0bf=OC+CO(f,k),b01其中根据所需要得到的ECG波形特点的k选取为扁平元结构元素(其定义遇上1取常数的结构元素),如表1所示,其宽度硬大于QRS波的宽度,小于P波的宽度,选择为O.llFs或者37个采样点。2)将f经公式(2)中的滤波器的处理,滤除P波和T波,分离出基线漂移b信号f,即cf=OC+CO(f,k) (4)cb2其中要分离的极限漂移信号近似于直线,所以结构元素为片平原结构元素,硬大于T波的宽度,小于极限的宽度,选为0.27Fs或者90个采样点。3)用原始信号f减去极限漂移信号f,得到校正后的信号f,即0cbcf=f0-f (5)bc0c图4校正基线漂移流程图Fig.4Blockdigramforcorrectingbaseline3.3自适应滤波器去噪原理自适应滤波器的输入信号d(n),在噪声信号好作为干扰信号作为参考输入,通过自适应滤波器后,得到去噪声的心电信号。在3.1中我们阐述了自适应滤波器的工作原理,那么去噪声信号的自适应滤波器的流程图如图5所示图5自适应滤波流程图Fig.5Blockdigramforadaptivefilter3.4自适应信号分离器去噪原理自适应信号分离器原理同去自适应滤波器原理一样,只是此时的参考信号变为宽带信号了,图6表示一个用作信号分离的系统,当输入包含两种成分时,宽带信号和周期信号时,为了分离这两种信号,可以以方面将该输入信号送入原始输入的d端,令一方面把它延时足够长的时间后送入AF的参考输入v端。经过j1延时后宽带信号陈分与原来的输入不相关,而周期性成分延时后前后保持强相关。图6中s是周期信号,而v为宽带信号。00于是e输出中将周期成分抵消只存在宽带成分,在y输出中只存在周期信jj号,此时AF自动调节滤波器权向量w,以达到对周期成分选通作用。图6自适应信号分离器Fig,6AdaptivesignalsseperatingfilterQRS波识别4.1数字滤波在精度为12位、采样频率为1000Hz的数据采集系统下,对采集的心电信号进行三点或五点的平滑数字滤波,可消除波形上的尖刺。因为这种滤波方法对QRS波的幅度与宽度的影响非常小,可忽略不计,同时又能消除波形上对波形识别造成影响的较为突出的尖刺,这给本文所提出的方法对QRS复合波中的R波或者其它波(如Q波、S波、R波、P波和T波)的准确识别奠定了基础。4.2用点线距离法识别QRS复合波在经过弱数字滤波的心电波形上,开一个长度为N(N必须为奇数)个采样点的波形识别平面窗口,在窗口的第一点与最末点之间作一条连线,求出窗口的中点M到连线的距离(见图1):
如果窗口的中点满足下列两个条件:D为最大值且大于等于所设定的阀值Fd;对于图1a,M左边的点为非连续递增,其右边的点为非连续递减;对于图1b,M左边的点为非连续递减,其右边的点为非连续递增。则我们认为M应是QRS复合波中的某一个波的顶点(为了方便叙述,我们把波峰的最高点或波谷的最低点统称为顶点),只要将窗口从QRS波的起始点开始,平滑移动到波形的最末点,就能得到数个波的顶点。若波的顶点的总数大于5,则说明窗口的长度或者预定的阀值Fd不合适,利用QRS波的波峰与波谷的特征较为明显的特点,经过自动调整,再重复上述的计算与判断,即可得到合适的结果。这种利用平面上点到直线的距离识别QRS复合波的几何算法可检测各种形态变异的QRS波。4.3小波变换理论及基于小波变换的ECG信号识别连续小波变换:设屮(t)是基本小波,屮(t)是定义的连续小波。对于f(t)WL2(R),其连续小波变换定义为:1a,be1a,beRa丰0连续小波具有如下的性质:线性性:如果f(t)和g(t)的小波变换分别为WTf(a,b)heWTg(a,b),则kl(ft)+k2f(t)的小波变换为klWTF(a,b)+k2WTg(a,b)。平移不变性:如果f(t)的小波变换为WTf(a,b),则f(t-to)连续小波变换的可写成卷积的表达式。相关性:对称性:紧支撑性:可以看出在连续小波变换下,我们只关心小波,没有要求小波有相应的尺度函数。如果不存在与屮(t)对应的尺度函数,那么它的连续小波变换只能看到原信号的细节部分。离散小波变换:令参数a=2-j,b二k2-j,其中j,keZ,则离散小波为屮(t)=2j/2屮(2jt-k)2-j,k2-j在这种情况下,常用屮(t)记屮 (t)。当然要记住,不要将记号屮(t)与连j,k 2-j,k2-j j,k续小波的记号屮(t)混淆。a,b对应于离散小波屮(t)的离散(参数)小波变换为j,kWT(j,k):=<f,屮>=2〃2j+sf(t)屮*(2it-k)dtf j,k -8对于离散小波变换,我们最关心的问题之一就是,小波屮(t)在满足什么条件下,可以由离散小波变换{<f,屮>} 重构原信号。我们可以应用递归应用小j,kj,keZ波重构算法恢复原信号。小波分解与小波重构合起来就是一维情形下的离散小波变换的Mallat算法。常用小波函数介绍Haar小波:Haar小波是N=1的Daubechies小波。它是一种紧支集正交小波,变化形式简单,易于计算,计算速度很快。适合于对脉冲信号进行速度实时监测的场合。缺点是连续性在频域函数上函数简单矩形截断造成了大量泄漏,因而局部频域性差,这使它许多实际应用中受到限制,但由于结构简单,所以可以用于理论研究中。Dubechies小波:(dbN:N是小波阶数),不具有对成性,尺度函数的紧支集长度与光滑性是矛盾的。N越小,只集越短,时域局部性越好,但光滑性越差。Mexico小波:主要用于信号处理和边缘检测,是非正交分解。Morlet小波不存在尺度函数,且不具有正交性,常用Morlet小波。Meyer小波:是无穷正则正交小波,小波函数与尺度函数都在频域中定义的,其支撑宽度无限宽,正则性无限可导,Symet、Coiffe、BiorNrNd小波等等分解尺度数选取我们知道,分解尺度太小,则噪声对应的模极大值不足够衰减,使得难以区分噪声和信号;但如果分解尺度过大,则又会失去信号的某些重要的局部特性。所以,可根据信噪比的大小选取适当的分解尺度数。一般的,如果信号的信噪比较大,这是信号占主要成分,分解尺度可以小一些,相反,信号的信噪比较小,这时噪声占主要成分,那么选择的分解尺度就应该相应的大一些。我们还可以通过一些经验来选取适当的分解尺度,此时含噪ECG信号的主要能量集中在3,4尺度上,所以这时我们可以根据以往的经验,选取的分解尺度为4。4.3.3R波的识别采用多孔算法将心电信号作三个尺度的小波分解后,首先检测23尺度上的模极大值对,然后根据该尺度上的模极大值的位置来确定尺度22上的模极大值对,最终确定R波峰的位置。根据由大尺度向小尺度方向寻找小波变换模极大值的方法的优点是:首先,大尺度上的模极大值点的个数较小尺度上的少,因此首先在大尺度上寻找模极大值点,据此寻找小尺度上的模极大值点可以节省运算时间;其次,一个大尺度上的模极大值点往往对应小尺度上的几个模极大值点,在大尺度上的模极大值点确定以后,根据一定的规则可以选出其中比较合适的模极大值点,从而可以较准确的对R波峰点进行定位。QRS波起止点的检测检测到R波峰点以后,我们来检测QRS波的起点和终点。QRS波的起点常被定义为Q波的起点(或R波的起点,假如Q波不存在的话),QRS波的终点常被定义为S波的终点(或R波的终点,假如S波不存在的话)。Q波和S波是高频低幅波,它们的能量主要集中在小波变换的小尺度上。这里为了降低高频噪声的影响,所以选择在尺度22上检测QRS波的起点和终点。在尺度22上QRS波的起点对应着R波生成的模极大值对前一个波的起点,而QRS波的终点对应着R波生成的模极大值对后一个波的终点。在尺度22上,我们从R波生成的模极大值对出发,在其前或其后一段时间内寻找一个模极大值点,进而找出该点所在波的起点或终点(过零点或趋零点),它们对应QRS波的起点或终点。若在该时间窗内找不到一个模极大值点(如Q波或S波不存在),则R波生成的模极大值对的起点或终点对应QRS波的起点或终点。我们之所以在22尺度上而不在原始信号上搜索QRS波的起点或终点,是为了避免原始信号上基线漂移的影响。上面所用到的时间窗口是根据以前所检测到的QRS波的起点或终点与其R峰点的距离来确定的。P波及T波的检测P波和T波通用的检测思想是:在QRS波定位以后,在QRS波起点之前的一段区域内检测P波,在QRS波终点之后的一段时间内检测T波。心电信号经过小波变换后,P波和T波的能量主要落在24和尺尺度空间上,由于伪迹,基线漂移等低频噪声在25尺度上很严重,所以一般选择在24尺度上来检测P波和T波。通常在各个尺度上P波和T波在QRS复合波前后各会产生一对极大值,这些极大值对和P波、T波在时序上有严格的对应关系,据此我们可以得到基于小波变换检测P波和T波的方法:即在找到一个R波峰值后,在其前开一个时间窗口,在该窗口内通过在特定尺度上的小波变换信号来搜索P波;在R波峰值后开一时间窗口,在该窗口内通过在特定尺度上的小波变换信号来搜索T波。方法虽然利用了小波变换在识别信号特征点方面的优势,但是由于P波和T波为低幅波,且有时会被噪声淹没,同时,对于振幅低平或变异的P波,重叠在T波上的P波,P波与QRS波无固定关系(如房室分离)时的P波检测等,检测的效果并不十分理想。所以,对于P波和T波的检测中如何寻找更好的小波变换技术仍然需要做更深入的研究。P、T波的起点和终点检测确定了P、T波的峰值点后,可以利用一阶差分和合适的搜索范围来实现P、T波起点和终点的检测。仍以P波为例进行分析,具体步骤如下:由于通常情况下,P波的宽度都小于110ms,所以在确定了P波的峰值点以后,将P波峰值点前、后各60ms的区域作为搜索范围,在该范围内计算一阶向前差分;以P波峰值点前60ms的位置为起点,在该点到P波峰值点之间进行搜索,若出现连续3个点的差分值都不小于阈值/20pTh(若P波是倒置的,则要求连续3个点的差分值都不大于/20p/Th),则认为这3个点中的第1个点为P波起点;以P波峰值点后60ms的位置为起点,在该点到P波峰值点之间进行搜索,若出现连续3个点的差分值都不大于阈值/20p/Th(若P波是倒置的,则要求连续3个点的差分值都不小于/20pTh),则认为这3个点中的第1个点为P波终点。本文提出的方法检测MIT-BIH数据库中101号记录的P、T波的一个实例。图中星号标注了检测出的P、T波峰值点的位置,竖线标注了其起点和终点位置,。从图4.13中可以看出,检测P、T波的效果较为理想。该方法避免了对小幅度波形的漏检,对于MIT-BIH大部分较为干净的心电图信号检测正确率较高。但由于QRS波群检测过程中的误差,再加上剩余噪声的影响,对部分质量较差的心电信号检测结果不是很理想,有待于进一步的改进。五、参考文献【1】吴萍•黄勇•分类技术在心电图自动诊断模型中的应用比较J].计算机应用,2003,23(11):63-65.【2】张开滋•郭继鸿•刘海祥等•临床心电信息学[M].湖南:科学技术出版社,2002.77-340.【3】田蕴青.孙晓静.郝冬梅.心电图自动诊断系统的研制[J].中国医疗器械杂志,2001,25(4):204-206【4】张作生.李江安.李新育.心电自动测量与分析[J].上海生物医学工程,1996,17(1):3-65】Liu,Y.etal.Lonicmechanismsofelectronicinhibitionandconcealedco-nductioninrabbitatrioventricularnodalmyocytes[J].Circulation,1993,88:1635-1646【6】肖咏梅.陈杭.心电自动分析技术[J].生物医学工程杂志,2000,17(3):339-342【7】齐颁扬.医学仪器书[M]:上册.第三版.北京:高等教育出版社,1994.66-70【8】WhatsHero.心电图导联及心电轴[N].心电图医师交流网,2004-7-10⑴【9】梅霆.“ECG信号的数据压缩”.东南大学硕士研究生论文.2003.3【10】杜培宇.基于自适应滤波器的噪声抑制技术研究[D].硕士学位论文.山东:山东大学,2005.12】DimitrisG.Manolakis,Vinayk.Ingle,StephenM.Kogon.StatisticalandAdaptiveSignalProcessing[M].北京:电子工业出版社,2003.【13】黄埔堪,陈建文,楼生强.现代数字信号处理[M].北京:电子工业出版社,2003.【14】沈福民.自适应信号处理[M].西安:西安电子科技大学出版社,2001.【15】王建中,罗欣武,刘文江,等.一种改进的DMT系统频域均衡器[J].计算机工程与应用,2006(24):98-101.【16】齐海兵.基于FPGA的横向LMS算法的实现[J].国外电子元器件,2007(1):31-34.【17】吕风军.数字图像处理编程入门[M].北京:清华大学出版社,1999:29-34.【18】杨军.图像增强的研究与应用[D].燕山大学,1999:5-6.【19】舒志龙,阮秋琦•一种二维均值滤波快速算法及其应用J].北方交通大学学报,2001,25(2):22-24.【20】刘兴伟,殷国富,罗小宾等•工程扫描图的一种新型的自适应中值滤波算法J].中国机械工程,2002,13(5):403-405.【21】李树涛,王耀南.图像椒盐噪声的非线性自适应滤除[J].中国图像图形学报,2000,5A(12):999-1001.【22】马胜前,袁助国•高阶有源FLF滤波器的计算机辅助设计•西北师范大学学报(自然科学版),1988.【23】吴伟,蔡培升.基于MATLAB的小波去噪仿真[J].信息程,2008,6⑶:220-222.【24】章丽.“ECG信号的处理与参数测量”,东南大学硕士研究生论文.1997.325】高清维,李海鹰,庄镇泉等.基于平稳小波变换的心电信号噪声消除方法.电子学报,2003,2(2):235一24【21】王笑梅,王辉•基于小波的ECG信号噪声消除•上海师范大学学报(自然科学版),2002,31(2):50一5
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 小学教资面试道法试讲历年真题题库及参考答案202
- 新客户欢迎与业务介绍函件6篇
- 高科技产品营销人员绩效评估表
- 2025-2026学年湖南岳阳颐华高级中学高一上第一次月考数学试卷含答案
- 高中生物细胞结构功能技巧训练试题及答案
- 万圣节背景模板
- 高中地理北美洲主要国家地形地貌特征试题及答案
- 高中语文阅读理解说明文说明语言对信息准确性综合技巧训练试题及答案
- 小学社会调查家乡地方特产种植技术记录试题及答案
- 初中英语写作记叙文写作技巧训练试题及答案
- 特种设备《每日安全检查与使用状况记录》符合市场总局74号令要求 2025版
- 《精密和超精密加工技术》课件-第9章 纳米技术与3D打印技术
- 眼损伤病历现病史书写范文模板
- (正式版)DB42∕T 743-2016 《高性能蒸压砂加气混凝土砌块墙体自保温系统应用技术规程》
- 水印相机管理办法
- T-HAS 147-2025 化妆刷标准规范
- QGDW11451-2015架空输电线路标识及安装规范
- 国家职业标准 4-07-03-02 劳动关系协调师 (2025年版)
- 急性敌敌畏中毒的护理查房
- 9《生活离不开他们》(教学设计)2023-2024学年统编版道德与法治四年级下册
- 初中地理课标人教版分析
评论
0/150
提交评论