本發(fā)明涉及心電信號(hào)的自動(dòng)檢測(cè)與分析技術(shù)，具體的說(shuō)是一種心電信號(hào)自動(dòng)降噪方法。

背景技術(shù)：

近年來(lái)，心血管疾病已成為威脅人類生命和健康的頭號(hào)殺手。心血管疾病具有突發(fā)性，發(fā)病就在一瞬間。往往因?yàn)榘Y狀短暫，患者趕到醫(yī)院進(jìn)行心電采集時(shí)，癥狀已經(jīng)消失，這時(shí)候的心電圖往往難以捕捉到有效的診斷依據(jù)，不能反映患者的實(shí)際心臟健康狀態(tài)，因?yàn)槿鄙偌膊“l(fā)病期間的心電數(shù)據(jù)導(dǎo)致患者無(wú)法進(jìn)行相應(yīng)的治療。因此，針對(duì)心血管疾病最好的辦法就是心血管患者住院進(jìn)行24小時(shí)的動(dòng)態(tài)心電監(jiān)測(cè)。在現(xiàn)代化的遠(yuǎn)程通信技術(shù)突飛猛進(jìn)的社會(huì)背景下，遠(yuǎn)程心電監(jiān)護(hù)儀無(wú)疑是最好的解決辦法。遠(yuǎn)程心電監(jiān)護(hù)就需要患者實(shí)時(shí)穿戴檢測(cè)設(shè)備，在互聯(lián)網(wǎng)的支持下，數(shù)據(jù)可以實(shí)時(shí)傳輸?shù)蕉c(diǎn)醫(yī)院。這其中最大的問(wèn)題是，穿戴的設(shè)備與醫(yī)院的心電圖機(jī)不同，數(shù)據(jù)是在患者進(jìn)行各種日程生活中采集的，與在醫(yī)院靜態(tài)采集的心電數(shù)據(jù)相比存在很大的干擾信號(hào)，例如最常見(jiàn)的電極接觸噪聲(EM)、肌肉顫動(dòng)引起的肌電干擾(MA)、人體呼吸移動(dòng)等引起的基線漂移(BW)。這些在很大程度上影響了心電信號(hào)的正常形態(tài)，而已有算法在降噪過(guò)程中容易丟失心電信號(hào)的某些重要特征，對(duì)醫(yī)生的診斷造成很大的偏差，誤診率提高。因此恢復(fù)心電信號(hào)的原有形態(tài)對(duì)疾病診斷有十分重要的意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種心電信號(hào)自動(dòng)降噪的方法，以解決現(xiàn)有算法在降噪過(guò)程中丟失心電信號(hào)重要特征的問(wèn)題。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

一種心電信號(hào)的自動(dòng)降噪方法，其包括以下步驟：

a)獲取一段人體的心電信號(hào)，先檢測(cè)所獲取的心電信號(hào)的R波波峰位置，然后進(jìn)行初步濾波以濾除低頻信號(hào)，去除基線漂移；

b)從初步濾波后的心電信號(hào)中選擇若干個(gè)連續(xù)的心拍的心拍段做均值，即得平均模板；從每個(gè)心拍中所選擇的心拍段的長(zhǎng)度包含270個(gè)采樣點(diǎn)，所述270個(gè)采樣點(diǎn)由R波波峰之前的89個(gè)采樣點(diǎn)、R波波峰處的1個(gè)采樣點(diǎn)及R波波峰之后的180個(gè)采樣點(diǎn)構(gòu)成；

c)用步驟b)所得到的平均模板替換步驟a)中所獲取的人體心電信號(hào)中每一個(gè)心拍相對(duì)應(yīng)的心拍段，得到指導(dǎo)信號(hào)；

進(jìn)行替換時(shí)，如果一個(gè)RR間期的長(zhǎng)度小于所述平均模板的長(zhǎng)度，會(huì)有部分采樣點(diǎn)重疊，此時(shí)將重疊的采樣點(diǎn)進(jìn)行均值處理；

d)在所述指導(dǎo)信號(hào)上依次設(shè)定若干窗口ω，然后在每一個(gè)窗口中，利用指導(dǎo)濾波模型將所述指導(dǎo)信號(hào)經(jīng)過(guò)線性變換得到濾波輸出：

其中1：對(duì)于在所述指導(dǎo)信號(hào)上依次設(shè)定的各窗口，(a,b)是在一個(gè)窗口中保持不變的一系列線性系數(shù)，其值為一個(gè)窗口中各采樣點(diǎn)的濾波輸出與對(duì)應(yīng)的待濾波信號(hào)差值最小時(shí)所對(duì)應(yīng)的線性系數(shù)值；

其中2：I_i表示所述指導(dǎo)信號(hào)在所在窗口的第i個(gè)采樣點(diǎn)的值；q_i表示所述指導(dǎo)信號(hào)在所在窗口的第i個(gè)采樣點(diǎn)的濾波輸出值；

所述待濾波信號(hào)即為步驟a)中所獲取的人體心電信號(hào)；

e)對(duì)所有窗口ω計(jì)算完線性系數(shù)(a,b)后，將各窗口內(nèi)a、I_i和b分別代入指導(dǎo)濾波模型中求得q_i的值作為最終結(jié)果，如果該過(guò)程中出現(xiàn)不同的窗口涉及同一個(gè)采樣點(diǎn)的情況時(shí)，該采樣點(diǎn)的濾波輸出值根據(jù)其在不同窗口中的計(jì)算結(jié)果的平均值確定即可。

所述的心電信號(hào)的自動(dòng)降噪方法，步驟d)中，采用最小二乘法計(jì)算(a,b)的值。

本方法最大的優(yōu)點(diǎn)就是可以在濾波的過(guò)程中保持住心電信號(hào)的微弱特征，心電信號(hào)幅值特性十分微弱，這就決定了在去噪的過(guò)程中很容易丟失微弱的特征，指導(dǎo)濾波就很好的解決了這個(gè)問(wèn)題，我們可以在指導(dǎo)信號(hào)的指導(dǎo)下找回在濾波過(guò)程中丟失的特征，我們利用平均模板的方法可以在一定的程度上保留住心電信號(hào)大部分的幅值特性，然后通過(guò)替代心電信號(hào)主要部分來(lái)構(gòu)造出指導(dǎo)信號(hào)，這樣得到的指導(dǎo)信號(hào)保留住了心電信號(hào)大部分的幅值特征，同時(shí)在進(jìn)行指導(dǎo)濾波的過(guò)程中可以根據(jù)原始的待濾波信號(hào)找回丟失的那些能量很小的微弱特征，例如P波和T波等。

附圖說(shuō)明

圖1是實(shí)施例1的步驟(1)所獲取的人體心電信號(hào)。

圖2是實(shí)施例1的步驟(5)所得到的指導(dǎo)信號(hào)。

圖3是實(shí)施例1的最終濾波輸出結(jié)果。

圖4是對(duì)比例1的濾波輸出結(jié)果。

圖5是對(duì)心電信號(hào)進(jìn)行巴特沃斯高通濾波器處理后選取到的極大值點(diǎn)。

圖6是優(yōu)化極大值點(diǎn)流程圖。

具體實(shí)施方式

下面通過(guò)實(shí)施例和對(duì)比例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步解釋和說(shuō)明。

實(shí)施例1

(1)獲取人體心電信號(hào)：采集設(shè)備為北京蓬陽(yáng)豐業(yè)的MedSun18導(dǎo)聯(lián)Holter長(zhǎng)時(shí)間采集人體的心電信號(hào)，其采樣輸出頻率為360Hz，采集心電數(shù)據(jù)以TXT的形式存儲(chǔ)。所采集的心電信號(hào)可以很容易的讀取到Matlab環(huán)境中進(jìn)行顯示，本實(shí)施例中截取的人體心電信號(hào)包含大概10個(gè)心拍，共3000個(gè)采樣點(diǎn)，如圖1所示。

(2)對(duì)所采集的心電原始信號(hào)數(shù)據(jù)進(jìn)行濾波處理：利用巴特沃斯高通濾波器濾除基線漂移噪聲，阻帶的截止頻率為1Hz，阻帶衰減最小為30dB，通帶的衰減最大為15dB。

(3)對(duì)經(jīng)過(guò)巴特沃斯高通濾波器的心電信號(hào)進(jìn)行能量窗變換，并選取極大值點(diǎn)：

(3-1)能量窗變換：按下式，將經(jīng)過(guò)巴特沃斯高通濾波器的心電信號(hào)p由時(shí)間域分析變換到能量域分析，得到心電信號(hào)能量曲線：

其中，E_n表示第n個(gè)采樣點(diǎn)的能量值；N為所選的窗口長(zhǎng)度，取值26；M為總的采樣點(diǎn)數(shù)；p_n表示所述利用巴特沃斯高通濾波器去噪后的心電信號(hào)p的第n個(gè)采樣點(diǎn)；

(3-2)選取極大值點(diǎn)：將所得到的心電信號(hào)能量曲線進(jìn)行硬閾值化處理，即：

其中，T_h為所選取的閾值，取T_h＝0.3*median(E_n)，

然后選擇經(jīng)過(guò)硬閾值化處理后的心電信號(hào)能量曲線的波峰位置作為極大值點(diǎn)，如圖5；

(3-3)優(yōu)化極大值點(diǎn)：按現(xiàn)有算法(可參見(jiàn)CN103156599A)，如圖6所給出的流程圖，設(shè)定2個(gè)時(shí)間閾值t₁和t₂，且t₁＜t₂當(dāng)任意兩個(gè)極大值點(diǎn)的時(shí)間間隔小于t₁時(shí)，就去掉這兩個(gè)極大值點(diǎn)之間幅值較小的那個(gè)；當(dāng)任意兩個(gè)極大值點(diǎn)的時(shí)間間隔大于t₂時(shí)，就在這兩個(gè)極大值點(diǎn)之間尋找另一未被識(shí)別的極值點(diǎn)；如兩個(gè)極大值點(diǎn)的時(shí)間間隔既大于t₁，又小于t₂，則該兩個(gè)極大值點(diǎn)均保留，如此最終得到的經(jīng)優(yōu)化的每個(gè)極大值點(diǎn)都對(duì)應(yīng)一個(gè)QRS波群。

圖6中，E_t表示步驟(4-2)所得到的所有極大值點(diǎn)的時(shí)間間隔的平均值，t₁＝0.5×E_t，t₂＝1.5×E_t。

(3-4)根據(jù)步驟(3-3)中每個(gè)極大值點(diǎn)所在的時(shí)間點(diǎn)，在步驟(1)所獲取的人體心電信號(hào)和步驟(2)中濾波后的心電信號(hào)上相應(yīng)的時(shí)間點(diǎn)左右各7個(gè)采樣點(diǎn)的范圍內(nèi)搜尋信號(hào)幅值最大的點(diǎn)，作為檢測(cè)到的R波波峰。

(4)在得到R波波峰位置后構(gòu)建平均模板，該平均模板由同一個(gè)人的初步濾波后的心電信號(hào)中1000個(gè)連續(xù)心拍的心拍段取均值得到；

所截取的心拍段包含270個(gè)采樣點(diǎn)，該270個(gè)采樣點(diǎn)是根據(jù)檢測(cè)到的R波波峰，由R波波峰所在采樣點(diǎn)，R波波峰左邊(即其之前)的89個(gè)采樣點(diǎn)和R波波峰右邊(即其之后)的180個(gè)采樣點(diǎn)構(gòu)成。

(5)將上述得到的平均模板替換步驟(1)中所獲取的人體心電信號(hào)中每一個(gè)心拍中相應(yīng)的心拍段的位置，得到指導(dǎo)信號(hào)，如圖2所示；

由于心電信號(hào)是一種周期性信號(hào)，所以將上述得到的平均模板替換待濾波信號(hào)(即步驟(1)中所獲取的人體心電信號(hào)原始波形)的每個(gè)心電信號(hào)周期內(nèi)的相應(yīng)位置上的心拍段時(shí)，會(huì)出現(xiàn)兩種情況：

①當(dāng)一個(gè)RR間期(即一個(gè)心電信號(hào)周期)的長(zhǎng)度小于上述得到的平均模板的長(zhǎng)度：由于平均模板的長(zhǎng)度大于一個(gè)心電信號(hào)的周期，這樣就會(huì)造成有部分采樣點(diǎn)會(huì)重疊，此時(shí)需將重疊的采樣點(diǎn)再進(jìn)行均值處理，從而得到與原始信號(hào)長(zhǎng)度相同的重構(gòu)信號(hào)。

②當(dāng)一個(gè)RR間期(即一個(gè)心電信號(hào)周期)的長(zhǎng)度大于或等于上述得到的平均模板的長(zhǎng)度：由于平均模板的長(zhǎng)度小于或等于一個(gè)心電信號(hào)的周期，所以可以正常的完成替換。

(6)利用指導(dǎo)信號(hào)對(duì)待濾波信號(hào)中的噪聲進(jìn)行濾除：

指導(dǎo)濾波的模型是由指導(dǎo)信號(hào)I到濾波輸出q的一個(gè)局部線性變換模型，本例中，設(shè)定窗口長(zhǎng)度為|ω|＝401，所以對(duì)于這個(gè)指導(dǎo)信號(hào)I而言，第201個(gè)采樣點(diǎn)為第一個(gè)窗口ω₁的中心點(diǎn)，第202個(gè)采樣點(diǎn)為第二個(gè)窗口ω₂的中心點(diǎn)，依此類推，第j(j＝201,202，…，3000)個(gè)采樣點(diǎn)為第(j-200)個(gè)窗口ω_k(k＝j(luò)-200)的中心點(diǎn)，在設(shè)定的窗口ω_k(k＝1，2，3,…,j-200)中，q_i由I_i經(jīng)過(guò)線性變換得到：

公式1：

公式1中，(a_k,b_k)是在窗口ω_k中保持不變的線性系數(shù)；I_i表示指導(dǎo)信號(hào)在所在窗口的第i個(gè)采樣點(diǎn)的幅值；q_i表示指導(dǎo)信號(hào)在所在窗口的第i個(gè)采樣點(diǎn)的濾波輸出幅值。

為確定各窗口的線性系數(shù)(a_k,b_k)的值，需要求出公式1的一組使得q_i與輸入信號(hào)p_i(即待濾波信號(hào))相差最少的解，為此我們?cè)诖翱讦?sub>k中利用如下最小二乘法進(jìn)行計(jì)算：

公式2：

這里p_k表示窗口ω_k中的原始待濾波信號(hào)在相應(yīng)采樣點(diǎn)的幅值，ε是正則化系數(shù)，防止a_k變得過(guò)大，取值ε＝0.2²，通過(guò)線性回歸的方法得出公式2的解：

其中：μ_k與分別為在窗口ω_k中的指導(dǎo)信號(hào)I的各采樣點(diǎn)的均值與方差，|ω|為ω_k中的采樣點(diǎn)個(gè)數(shù)，為在窗口ω_k中的輸入信號(hào)p_k的各采樣點(diǎn)的均值。

(7)在對(duì)指導(dǎo)信號(hào)中所有窗口ω_k計(jì)算完(a_k，b_k)以后，對(duì)整個(gè)心電信號(hào)的所有局部窗口應(yīng)用公式1的線性模型，但是出現(xiàn)的問(wèn)題是所有包含采樣點(diǎn)i的窗口ω_k都要牽涉到采樣點(diǎn)i，導(dǎo)致公式1中的q_i在不同窗口中的計(jì)算結(jié)果不同，此時(shí)所采取的策略是把所有計(jì)算得到的q_i取平均值作為最終結(jié)果，即：

公式3：

此處是在求q_i的平均值，有多個(gè)窗口會(huì)包含采樣點(diǎn)i，不同的窗口里面的i對(duì)應(yīng)不同的系數(shù)(a_k，b_k)，因此，我們求多個(gè)窗口中(a_k，b_k)的平均值，因?yàn)檫@些窗口ω_k里面都含有采樣點(diǎn)i和系數(shù)(a_k，b_k)，因此有k|i∈ω_k，

其中

這里k∈ω_i中，k表示所有包含采樣點(diǎn)i的窗口的個(gè)數(shù)，其值正好等于窗口長(zhǎng)度401，ω_i表示包含同一個(gè)采樣點(diǎn)i的窗口；表示所有包含同一個(gè)采樣點(diǎn)的窗口的系數(shù)的平均值，根據(jù)計(jì)算，包含采樣點(diǎn)i的窗口正好與設(shè)定窗口的長(zhǎng)度相等。

根據(jù)以上處理步驟得濾波結(jié)果，如圖3所示。

對(duì)比例1

同樣取實(shí)施例中所選取得心電信號(hào)原始波段，首先選擇db6作為基礎(chǔ)小波基，對(duì)該心電原始信號(hào)進(jìn)行8層小波分解，得到各個(gè)尺度上的小波系數(shù)這里i為層標(biāo)號(hào)。

為了保證去除噪聲的同時(shí)盡可能多的保留有用信號(hào)，本研究采用具有尺度自適應(yīng)性的閾值法：

其中，Tⁱ為設(shè)定的閾值，Nⁱ為第i層系數(shù)的個(gè)數(shù)，e是自然常數(shù)，

采用軟閾值方法處理各個(gè)尺度上的小波系數(shù)：

對(duì)閾值化處理后的小波系數(shù)進(jìn)行重構(gòu)，得到濾波結(jié)果，如圖4所示。

對(duì)比例1詳細(xì)處理步驟可參照Reddy,G.U.,Muralidhar,M.,&Varadarajan,S.(2009).Ecg denoising using improved thresholding based on wavelet transforms.International Journal of Computer Science&Network Security,253-257.。

觀察原始心電信號(hào)可以看出，在心電信號(hào)發(fā)生T波倒置后，原始采集的心電圖會(huì)被噪聲嚴(yán)重干擾，導(dǎo)致T波倒置發(fā)生嚴(yán)重偏差。對(duì)比圖3與圖4可看出，本發(fā)明方法的輸出結(jié)果(圖3)很好的保持住了心電信號(hào)的細(xì)微特征，很明顯可以看出，T波倒置被完全的識(shí)別，同時(shí)去除大部分噪聲，恢復(fù)了心電信號(hào)原有的形態(tài)特征，本發(fā)明的方法根據(jù)指導(dǎo)信號(hào)提供信號(hào)的大體形態(tài)，綜合輸入噪聲信號(hào)的細(xì)節(jié)特征，結(jié)合二者的特征，完美的恢復(fù)出T波和P波這類能量極其微弱的信號(hào)的形態(tài)特征，找回了極具醫(yī)學(xué)參考價(jià)值的信息，為醫(yī)生的診斷提供更好的幫助。采用現(xiàn)有普通濾波方法得輸出結(jié)果(圖4)可以看出，利用小波去除心電信號(hào)的噪聲，導(dǎo)致信號(hào)偏離基線的基線漂移噪聲基本濾除，使得信號(hào)回到基線附近，但是仍有大量的噪聲干擾波形，心電信號(hào)典型的P波、QRS波群、以及T波都被噪聲嚴(yán)重影響導(dǎo)致無(wú)法看出原有正常的形態(tài)，這也就是說(shuō)大量的有用心電信息被丟失，或者說(shuō)是沒(méi)有被恢復(fù)，這樣的濾波結(jié)果沒(méi)有達(dá)到很理想的去除噪聲的目的。