本發(fā)明涉及心電信號的自動檢測與分析技術(shù)，具體的說是一種心電信號自動降噪方法。

背景技術(shù)：

近年來，心血管疾病已成為威脅人類生命和健康的頭號殺手。心血管疾病具有突發(fā)性，發(fā)病就在一瞬間。往往因為癥狀短暫，患者趕到醫(yī)院進(jìn)行心電采集時，癥狀已經(jīng)消失，這時候的心電圖往往難以捕捉到有效的診斷依據(jù)，不能反映患者的實際心臟健康狀態(tài)，因為缺少疾病發(fā)病期間的心電數(shù)據(jù)導(dǎo)致患者無法進(jìn)行相應(yīng)的治療。因此，針對心血管疾病最好的辦法就是心血管患者住院進(jìn)行24小時的動態(tài)心電監(jiān)測。在現(xiàn)代化的遠(yuǎn)程通信技術(shù)突飛猛進(jìn)的社會背景下，遠(yuǎn)程心電監(jiān)護(hù)儀無疑是最好的解決辦法。遠(yuǎn)程心電監(jiān)護(hù)就需要患者實時穿戴檢測設(shè)備，在互聯(lián)網(wǎng)的支持下，數(shù)據(jù)可以實時傳輸?shù)蕉c(diǎn)醫(yī)院。這其中最大的問題是，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，例如最常見的電極接觸噪聲(EM)、肌肉顫動引起的肌電干擾(MA)、人體呼吸移動等引起的基線漂移(BW)。這些在很大程度上影響了心電信號的正常形態(tài)，而已有算法在降噪過程中容易丟失心電信號的某些重要特征，對醫(yī)生的診斷造成很大的偏差，誤診率提高。因此恢復(fù)心電信號的原有形態(tài)對疾病診斷有十分重要的意義。

技術(shù)實現(xiàn)要素：

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

本發(fā)明的目的是這樣實現(xiàn)的：

一種心電信號的自動降噪方法，其包括以下步驟：

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

b)從初步濾波后的心電信號中選擇若干個連續(xù)的心拍的心拍段做均值，即得平均模板；從每個心拍中所選擇的心拍段的長度包含270個采樣點(diǎn)，所述270個采樣點(diǎn)由R波波峰之前的89個采樣點(diǎn)、R波波峰處的1個采樣點(diǎn)及R波波峰之后的180個采樣點(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中每一個心拍相對應(yīng)的心拍段，得到指導(dǎo)信號；

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

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

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

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

所述待濾波信號即為步驟a)中所獲取的人體心電信號；

e)對所有窗口ω計算完線性系數(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，如果該過程中出現(xiàn)不同的窗口涉及同一個采樣點(diǎn)的情況時，該采樣點(diǎn)的濾波輸出值根據(jù)其在不同窗口中的計算結(jié)果的平均值確定即可。

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

本方法最大的優(yōu)點(diǎn)就是可以在濾波的過程中保持住心電信號的微弱特征，心電信號幅值特性十分微弱，這就決定了在去噪的過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問題，我們可以在指導(dǎo)信號的指導(dǎo)下找回在濾波過程中丟失的特征，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大部分的幅值特性，然后通過替代心電信號主要部分來構(gòu)造出指導(dǎo)信號，這樣得到的指導(dǎo)信號保留住了心電信號大部分的幅值特征，同時在進(jìn)行指導(dǎo)濾波的過程中可以根據(jù)原始的待濾波信號找回丟失的那些能量很小的微弱特征，例如P波和T波等。

附圖說明

圖1是實施例1的步驟(1)所獲取的人體心電信號。

圖2是實施例1的步驟(5)所得到的指導(dǎo)信號。

圖3是實施例1的最終濾波輸出結(jié)果。

圖4是對比例1的濾波輸出結(jié)果。

圖5是對心電信號進(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。

具體實施方式

下面通過實施例和對比例對本發(fā)明的技術(shù)方案做進(jìn)一步解釋和說明。

實施例1

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

(2)對所采集的心電原始信號數(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)對經(jīng)過巴特沃斯高通濾波器的心電信號進(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)過巴特沃斯高通濾波器的心電信號p由時間域分析變換到能量域分析，得到心電信號能量曲線：

其中，E_n表示第n個采樣點(diǎn)的能量值；N為所選的窗口長度，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p的第n個采樣點(diǎn)；

(3-2)選取極大值點(diǎn)：將所得到的心電信號能量曲線進(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)過硬閾值化處理后的心電信號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CN103156599A)，如圖6所給出的流程圖，設(shè)定2個時間閾值t₁和t₂，且t₁＜t₂當(dāng)任意兩個極大值點(diǎn)的時間間隔小于t₁時，就去掉這兩個極大值點(diǎn)之間幅值較小的那個；當(dāng)任意兩個極大值點(diǎn)的時間間隔大于t₂時，就在這兩個極大值點(diǎn)之間尋找另一未被識別的極值點(diǎn)；如兩個極大值點(diǎn)的時間間隔既大于t₁，又小于t₂，則該兩個極大值點(diǎn)均保留，如此最終得到的經(jīng)優(yōu)化的每個極大值點(diǎn)都對應(yīng)一個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)中每個極大值點(diǎn)所在的時間點(diǎn)，在步驟(1)所獲取的人體心電信號和步驟(2)中濾波后的心電信號上相應(yīng)的時間點(diǎn)左右各7個采樣點(diǎn)的范圍內(nèi)搜尋信號幅值最大的點(diǎn)，作為檢測到的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人的初步濾波后的心電信號中1000個連續(xù)心拍的心拍段取均值得到；

所截取的心拍段包含270個采樣點(diǎn)，該270個采樣點(diǎn)是根據(jù)檢測到的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個采樣點(diǎn)和R波波峰右邊(即其之后)的180個采樣點(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中每一個心拍中相應(yīng)的心拍段的位置，得到指導(dǎo)信號，如圖2所示；

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

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

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

(6)利用指導(dǎo)信號對待濾波信號中的噪聲進(jìn)行濾除：

指導(dǎo)濾波的模型是由指導(dǎo)信號I到濾波輸出q的一個局部線性變換模型，本例中，設(shè)定窗口長度為|ω|＝401，所以對于這個指導(dǎo)信號I而言，第201個采樣點(diǎn)為第一個窗口ω₁的中心點(diǎn)，第202個采樣點(diǎn)為第二個窗口ω₂的中心點(diǎn)，依此類推，第j(j＝201,202，…，3000)個采樣點(diǎn)為第(j-200)個窗口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)信號在所在窗口的第i個采樣點(diǎn)的幅值；q_i表示指導(dǎo)信號在所在窗口的第i個采樣點(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p_i(即待濾波信號)相差最少的解，為此我們在窗口ω_k中利用如下最小二乘法進(jìn)行計算：

公式2：

這里p_k表示窗口ω_k中的原始待濾波信號在相應(yīng)采樣點(diǎn)的幅值，ε是正則化系數(shù)，防止a_k變得過大，取值ε＝0.2²，通過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I的各采樣點(diǎn)的均值與方差，|ω|為ω_k中的采樣點(diǎn)個數(shù)，為在窗口ω_k中的輸入信號p_k的各采樣點(diǎn)的均值。

(7)在對指導(dǎo)信號中所有窗口ω_k計算完(a_k，b_k)以后，對整個心電信號的所有局部窗口應(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在不同窗口中的計算結(jié)果不同，此時所采取的策略是把所有計算得到的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，有多個窗口會包含采樣點(diǎn)i，不同的窗口里面的i對應(yīng)不同的系數(shù)(a_k，b_k)，因此，我們求多個窗口中(a_k，b_k)的平均值，因為這些窗口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的窗口的個數(shù)，其值正好等于窗口長度401，ω_i表示包含同一個采樣點(diǎn)i的窗口；表示所有包含同一個采樣點(diǎn)的窗口的系數(shù)的平均值，根據(jù)計算，包含采樣點(diǎn)i的窗口正好與設(shè)定窗口的長度相等。

根據(jù)以上處理步驟得濾波結(jié)果，如圖3所示。

對比例1

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

為了保證去除噪聲的同時盡可能多的保留有用信號，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)的個數(shù)，e是自然常數(shù)，

采用軟閾值方法處理各個尺度上的小波系數(shù)：

對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.。

觀察原始心電信號可以看出，在心電信號發(fā)生T波倒置后，原始采集的心電圖會被噪聲嚴(yán)重干擾，導(dǎo)致T波倒置發(fā)生嚴(yán)重偏差。對比圖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的細(xì)微特征，很明顯可以看出，T波倒置被完全的識別，同時去除大部分噪聲，恢復(fù)了心電信號原有的形態(tài)特征，本發(fā)明的方法根據(jù)指導(dǎo)信號提供信號的大體形態(tài)，綜合輸入噪聲信號的細(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的形態(tài)特征，找回了極具醫(yī)學(xué)參考價值的信息，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的噪聲，導(dǎo)致信號偏離基線的基線漂移噪聲基本濾除，使得信號回到基線附近，但是仍有大量的噪聲干擾波形，心電信號典型的P波、QRS波群、以及T波都被噪聲嚴(yán)重影響導(dǎo)致無法看出原有正常的形態(tài)，這也就是說大量的有用心電信息被丟失，或者說是沒有被恢復(fù)，這樣的濾波結(jié)果沒有達(dá)到很理想的去除噪聲的目的。