模式识别ECG信号的处理与识别文档格式.docx

1、关键字：ECG信号；基线漂移噪声；工频噪声；筛选AbstractThis paper mainly studied digital filter design for ECG signal processing.s necessary to reduce the ECG noise effectively.Therefore,this paper proposes a effective method to filter the baseline noise and power frequency noise by using digital filter ,which have an gre

2、at effect on clinical diagnosis.Based on the basic characteristics of ECG signal,normal samples were identified effectively. Baseline noise is one of the main noise of ECG signal,mainly due to the breathing exercises,such as sliding electrode,which make it difficult to recognize the feature of ECG w

3、aveform.The dissertation designed curve fitting algorithm to filter baseline noise by fitting polynomial through some feature points found in the ECG signal.The result showed that the algorithm had a good effect.Power frequency noise,like voltage ripple, is another main noise of ECG signal,mainly du

4、e to electromagnetic fields producing by power and electrical devices.The dissertation designed 60Hz butterworth band-stop filter,with an advantage of better filtering effect.Because of the interference sources and the unreliability of data sources,there are many ECG samples not in accord with the n

5、ormal ECG characteristics.In this paper,some definitions and necessary conditions of normal ECG signal were put forward,in order to exclude wrong sample.Finally,this paper made a systematic summarize and prospects for future study in this area.Key Words:ECG signal,baseline noise,Power frequency nois

6、e,screening1 绪论1.1 课题研究背景及意义心脏病已经成为严重威胁人类健康的疾病之一。据统计,我国每年新增的先天性心脏病患儿有15-20万例,但每年进行的先天性心脏病外科手术仅6-7万例,不到每年新发生先天性心脏病病人的一半1。心电图（electrocardiogram,ECG）的检测与分析，是临床了解心脏功能状况、辅助诊断心血管疾病、评估各种治疗方法的重要手段。而体表ECG信号具有较大的随机性和背景噪声，是一种非线性、不平稳的微弱信号4。心电图波形比较复杂,数据量又大,消耗大量人力精力,可能导致人工误判,还有昂贵的检测治疗费用。因此实现心脏病自动诊断功能己刻不容缓,那样可以及早诊

7、断心脏病的成因并且进行治疗,节省大量人力,从而大幅度降低医疗诊断费用。心脏病的早期发现主要依靠心电图得到相关的信息,人们可以通过定期到医院进行体检来了解自己的心脏健康情况,或者在家通过心电图远程服务系统向医生及时反馈自己的心电信息,以便于及时获取相关的准确的指导。动态心电图的出现解决了这一问题,并且广泛应用于临床诊断。动态心电图机可以随时随地长时间记录病人的心电信息,这样医生就可以了解病人心脏活动情况、疾病发作时间和周期等信息。但是发展动态心电图的一个问题，其心电信息量远远大于常规心电图,这将极大地增加医务人员的工作量。动态心电图机发展的最大的问题就是心电信号噪声干扰的处理。由于动态心电图一般

8、是在移动状态下,或者周围环境可能很嘈杂的情况下进行测量的。因此,这种情况下获得的心电信号噪声干扰远远大于临床测量的,而心电信号本身就是一种比较微弱的生理信号,因此这就增加了信号预处理的难度与高度。此外,异常心电图种类繁多,不同患者同一病理的心电图,甚至同患者不同时刻的心电图都是有细微差异的,这就要求医务专家具有丰富的理论知识以及大量的临床实战经验才能做出准确的诊断。ECG心电信号预处理和波形自动识别技术很好的解决了动态心电图所面临的这些问题,不仅极大的减少了医务人员的工作量,而且提高了诊断速度,进而降低心脏疾病诊断的医疗费用。这一改良受到了广阔医务人员的极大欢送,从而使许多科学研究院、学校、企

9、业投身于心电自动诊断系统的研究中。然而,目前的心电信号处理和波形自动识别系统只是用来辅助心电专家进行诊断,并不能完全取代人工分析,主要是因为目前的心电自动诊断技术准确度和处理速度未能到达临床试验的要求,并且电脑自动诊断缺乏统一的标准,从而降低了其识别的可靠性。因此,提高心电信号预处理和波形自动识别系统的准确性和实用性,对于提高心电图临床诊断的质量,实现自动化诊断具有非常重要的现实意义。1.2 国内外研究现状人体的心电信号是一种非平稳、非线性、随机性比较强的微弱生理信号,幅值约为毫伏（mV）级,频率在0.05-100HZ之间。在信号采集过程中心电信号极易受到仪器、人体活动、操作者以及周围环境等各

10、方面因素的干扰而引入噪声信号。心电信号的干扰主要有以下三种:基线漂移,一般是由呼吸和电极滑动变化所异致的,频率一般低于1Hz,其表现为变化比较缓慢的类正弦曲线;肌电干扰,它是由人体肌肉颤抖产生不规则的高频电分扰所导致的,其频率范围很宽,一般在10-1000Hz之间,在心电图上表现为不规则的快速变化的波形;工频干扰,主要来源于工频电源以及器件周围环境中的传输线辐射出的电磁场,频率为50Hz或60Hz,在ECG上出现为周期性的细小波纹,其频率成分主要为工频频率及其谐波。为了正确进行参数测量、波形识别和病情诊断,必须进行心电信号的预处理,即在波形自动识别之前，必须抑制或滤除这些噪声和干扰,并且尽量保

11、留原始的心电信号,提高波形检测与识别的准确率。心电倍号预处理一般通过硬件电路优化设计和软件数字滤波两种途径来处理4。目前,许多学者、专家在这方面做了大量研究。概括地讲,心电信号的预处理技术包括了各种经典的数字滤波方法以及各种现代信号处理方法。这些方法主要包括以下三大类:经典的数字滤波器方法;自适应滤波器方法;以小波变换、数学模型以及人工智能为代表的现代高新技术滤波器方法。Thakor等人曾提出一种最有QRS滤波理论6，并给出一个中心频率为17Hz的硬件带通滤波器。利用硬件滤波，速度和成本方面更有优越性。因此他用硬件制作带通滤波器，该滤波器能够滤出基线漂移的同时滤除肌电干扰，但是对心电信号滤波之

12、后，心电信号的形态发生改变，Q,S波形被削平。因此采用硬件滤波，虽然具有速度快，结构简单的优点，但方法不如软件灵活，参数一旦固定之后就难以再选择和调整，并容易引起信号波形的变形和失真。为了得到更好的滤波效果，1984年Levkov首先提出心电信号的线性段和非线性段采用不同的处理方式的数字滤波器方法7。1988年，Christov对该算法进行了改良，引用ECG信号的线性段判断M来加速滤波的速度，称之为改良的Levkov滤波法8。具体的方法是，在滤波过程中首先识别出线性段，该线性段滤波后的值为这个线性段的原始数据的平均值，同时求出工频干扰的值作为非线性段的工频干扰的模板，而在非线性段，其真值是原始

13、数据减去临近线性段求得的干扰模板值，实现ECG滤波效果较之以前有很大的改善。1.3 本文研究内容本课题研究的主要内容是设计出高性能的ECG信号处理的复合数字滤波算法，确保其在滤除噪声的同时不会破坏原有的有用波形，并排除异常的ECG信号样本，促进信号处理及识别技术在临床应用的发展。本论文主要完成以下工作：分析ECG信号的特点及噪声来源，研究相关滤波技术。在MATLAB平台上编写算法，对采集的ECG信号数据进行滤波测试，通过比照ECG信号处理前后的形态来分析算法的优劣性。通过分析标准的ECG信号的基本特征，得出ECG信号的判定依据，并对研究样本进行判断，从而筛选出合格的ECG信号样本数据。最后，对

14、本论文所做的工作进行总结，并指明进一步的研究方向。1.4 论文章节安排第一章：绪论部分。主要介绍本论文研究背景及意义、ECG信号滤波的研究现状和论文的研究内容。第二章：详细介绍ECG信号的主要噪声类型，对噪声的产生原因和对ECG信号的影响做出分析。第三章：针对基线漂移噪声设计数字滤波器，通过拟合基线将其滤除。第四章：针对工频干扰设计巴特沃斯带阻滤波器，滤除ECG信号的工频干扰。第五章：分析标准ECG信号的基本特征，对研究样本进行分析和筛选。第六章：进行系统总结，并对进一步研究工作进行工作展望。2 ECG信号的主要噪声及产生原因ECG具有以下特点:一是具有很强的非平稳性,随时都处于变化中;二是受

15、噪声干扰严重,ECG属于低幅、低频的微弱信号,通常频率在0.05100Hz之间,幅值不超过4mV,其有用信号往往掩没在许多噪声干扰信号中,不易检测。心电信号从获取到转换为数字信号送入自动分析仪器,干扰的因素较多,主要来源于采集仪器和人体,分别表现为工频噪声、基线漂移噪声以及肌电噪声等。2.1 基线漂移噪声基线漂移（baseline wander, BW）噪声2,基线漂移噪声主要由于病人呼吸运动、电极滑动变化等所导致。人在呼吸时胸腔内的器官和组织会产生不同程度的变化,并且电极、皮肤界面阻抗的轻微变动会对体表记录的心电图波形幅度和形态产生影响,这类噪声属于超低频干扰信号,频率范围一般小于2Hz,表

16、现为变化比较缓慢的类正弦波曲线,叠加在心电波形上使得波形上下起伏,这给心电波形的识别和分析带来极大干扰,尤其对心电波形中的ST段识别影响较大。受基线漂移干扰的心电图如图1所示。图1 基线漂移对ECG信号的干扰2.2 工频噪声工频噪声3,主要来源于工频电源以及器件周围环境中的传输线辐射出的电磁场,这些电磁场会在人体分布电容和电极引线环路上产生噪声,噪声频率表现为50Hz/60Hz,这些噪声干扰信号一般幅度较低,在ECG上呈现为周期性的细小波纹,其频率成分主要为工频频率及其谐波。工频噪声一般与测量和使用环境相关,因此一般信号采集的过程中会通过采用硬件滤波等手段剔除这些干扰。受到工频干扰的心电信号如

17、图2所示。图2 工频噪声对ECG信号的干扰3 去除基线漂移的算法设计本文为了便于研究ECG信号基线滤波的算法，从MIT-BIH数据库中获取了其中一组ECG信号数据，该数据是使用360Hz采样周期，共包含3000个采样点，对其叠加上一个正弦基线信号，其生成的图像如图4所示。可以直观的发现，基线呈现为波浪形。3.1 方案研究基线噪声的频率比较低，而ECG信号本身含有很丰富的低频信号，例如两个信号周期之间的那一段信号一般为低频信号，ST段的频率也较低，因此无法采用低通滤波器去除基线漂移。传统的去除基线漂移的方法有中值滤波法、小波变换法、算术平均滤波法8。考虑到ECG信号的基线漂移相比照较平滑，在本系

18、统中采用基线拟合法9滤除ECG信号的基线漂移。首先选择合适的待拟合基线的曲线方程，然后在ECG信号中选取合适的拟合点，使得该拟合点位于基线上，求出相应的拟合函数，将原始的ECG信号减去拟合的基线函数即可得到去除基线漂移的ECG信号。去除基线漂移的算法流程图如下列图所示：图3 滤除基线漂移的算法流程图此算法设计思路简单，容易通过电脑软件编程实现。3.2 去除基线漂移的具体步骤3.2.1 拟合函数的构造在本论文中，采用N阶多项式逼近基线拟合法，考虑到ECG图形的基线出现一个极大值和极小值，因此,为了提高拟合效果，选取。因此，拟合的4阶多项式方程为：图4 ECG信号基线拟合点的获取3.2.2 拟合点

19、的选取9如图4所示，通过观察ECG信号的图形可以得出规律：ECG信号的基线漂移和R波点（图4中的向上尖波）或者Q波点（图4中的向下尖波）的相对位置是大致一样的。因此我们选取R波点和Q波点所在线段的中点（图4中的黑色圆圈）作为拟合点，如图4所示。试验中的拟合点的坐标值如下表所示（x表示横轴数值，y标志纵轴数值）：表1 拟合点的坐标值x733656599421227151018042041239927022993y3.2.3 最小二乘法基线拟合本论文中，使用MATLAB中的多元回归函数regress（）函数10实现基线方程的拟合。在这里，选择基线的拟合函数为4阶多项式：在MATLAB输入命令shu

20、chu,bint,r,rint,stats=regress（y,X）;便可以得到拟合的方程的各个多项式系数。通过计算，可以得到：将拟合的基线绘制如下列图所示，通过与原始ECG图形比照，可以发现基线的拟合效果还是比较好的，基本上吻合ECG信号的基线漂移的趋势。图5 ECG信号基线滤除前后比照效果图3.2.4 滤除基线将原始的ECG信号直接减去基线拟合的得到的干扰模板值，即可得到滤除极限漂移之后的ECG信号。即是：滤除基线漂移的效果图如5图所示，很明显滤波之后有效的抑制了基线漂移，从而有助于低频信息的读取，比方对ECG信号的ST波段的识别。4 去除工频干扰的算法研究11本文为了便于研究ECG信号滤

21、除工频噪声的算法，将第三章中滤除基线干扰之后的ECG信号作为研究对象，其对应的波形如图6所示。4.1 方案研究为了更好地突显工频噪声干扰对ECG信号的干扰，对其进行离散傅里叶变换（Discrete Fourier Transform，DFT），选取DFT部分序列数值如图7所示图6 试验样本ECG信号的工频干扰图7 ECG信号样本的部分DFT序列值通过分析ECG信号的离散傅里叶变换序列，可以发现在频域上有一个频率较为异常，对应的幅度较旁边频率的幅度高得多，异常点是k=501，对应ECG模拟信号时域的60Hz，为工频干扰所致。本设计中，使用带阻滤波器对60Hz进行滤波处理。设计带阻滤波器的方法有多

22、种，本论文对IIR巴特沃斯带阻滤波器12的设计进行了研究，通过需要到达的性能指标设计了高效的带阻滤波器，本论文运用MATLAB电脑编程实现了巴特沃斯数字滤波器的设计和ECG信号的工频滤波处理工作。4.2 ECG信号滤除工频噪声的实现步骤4.2.1 确定滤波器的性能指标12在设计数字滤波器之前，根据实际的应用情况及滤波器的复杂程度，需要确定ECG信号工频滤波的技术指标：例如通带截止频率，阻带截止频率，通带允许的最大衰减和阻带应到达的最小衰减等性能指标。根据ECG信号的特性和滤波要求，在滤除60Hz工频干扰时，取各项指标分别为，通带允许的最大衰减为，阻带要求的最小衰减为4.2.2 根据数字滤波器性

23、能指标设计巴特沃斯模拟滤波器巴特沃斯逼近又称最平幅度逼近，巴特沃斯低通滤波器的幅度平方函数定义为式中N为正整数，代表滤波器阶数，为截止频率，当时，对于本论文中的带阻滤波器的设计，同样可以同样具有类似的表达式。将上一步骤得到的数字滤波器的技术指标归一化之后，用模拟滤波器设计方法得到模拟巴特沃斯滤波器的传递函数，这可以借助巴特沃斯滤波器的相关的严格的设计公式、现成的模拟滤波器或者查表方式得到。本论文中，采用MATLAB中的buttord（）函数10求解得到巴特沃斯滤波器的最小阶数N和截止频率wn，即N wn=buttord（wp,ws,rp,rs）;代入60Hz带阻滤波器的技术参数求得：借助此模拟

24、滤波器的性能指标（N和wn）查表设计巴特沃斯模拟滤波器。由于本论文中使用MATLAB编程设计，所以无需求解模拟滤波器的方程。4.2.3 借助设计好的模拟滤波器设计巴特沃斯数字滤波器12本论文中，根据模拟滤波器的性能参数（N和wn），使用MATLAB中的butter（）函数可以直接获取巴特沃斯带阻数字滤波器的系统函数的分子分母多项式，即（其中b为系统函数分子多项式系数，a为系统函数分母多项式系数）：b a=butter（N,wn,stop）;当滤除60Hz时，根据阶数和截止频率设计的巴特沃斯数字滤波器的系统函数分子分母系数分别为：对应的带阻数字滤波器的频率响应如图8所示。通过分析，该滤波器在某些

25、技术参数上有所改动，但性能指标总体上符合最初的设计要求。图8 60Hz带阻滤波器的频谱分析4.2.4 利用设计好的数字滤波器对ECG信号进行滤波处理将设计好的带阻滤波器对消除基线漂移的ECG信号进行滤波，即直接将待过滤的ECG信号进行DFT之后与带阻数字滤波器的系统函数相乘，即可得到滤波后的ECG信号的DFT序列值。经过IDFT（反离散傅里叶变换）之后便可得到过滤之后的ECG信号。本论文使用MATLAB中的filter（）函数直接进行对ECG信号进行60Hz滤波处理，即ecgdata2=filter（b,a,ecgdata1）;滤波之后，ECG信号对应图形如图9所示，对应的DFT部分序列值如图

26、10所示。图9 60Hz带阻滤波之后的ECG信号图10 滤波之后ECG信号的DFT变换的部分序列通过分析过滤前后的ECG信号对应的图形，效果明显。可以得出结论：原始的ECG信号存在严重的60Hz工频干扰，此滤波器能有效地过滤60Hz的工频干扰。5 筛选出符合要求的ECG信号由于获取的ECG信号可能受到不明因素的干扰变成无法识别的不正常的波形，或者ECG信号数据源的不可靠性，所以有必要对获取的ECG信号进行筛选。本论文中，对课题给出的数据样本进行分析筛选。5.1 ECG信号的基本特征1ECG信号是利用心电图机从体表记录心脏每一心动周期所产生的点活动变化图形的技术，它提供了一种方便的方法来测量心电

27、周期活动。心电图中的每一个心动循环周期由一系列有规律的波形组成，它们分别是P波、QRS复合波和T波，而这些波形的起点、终点、波峰、波谷、以及间期分别记录着心脏活动状态的详细信息，为心脏疾病的诊断提供者重要的分析依据。正常的人在正常情况下，心动周期为0.80s左右，即ECG信号的周期为0.80s左右。因此准确识别ECG波形的这些特征点对于实现ECG信号自动诊断具有重要的意义。图11 ECG信号的基本特征ECG信号典型波形如图11所示，由图中可以看出，典型的ECG信号主要包含以下几个波形：P波：由心房的激动所产生，后一半主要有左心房产生。正常的P波历时0.08s到0.11s，其波形小而圆。QRS复

28、合波：反应左右心室去极化过程的电位变化。QRS波群是心电图中变化最为激烈的波段，由三个紧密相连的波组成，第一个为波形向下的Q波，接着是波形向上的高而尖的R波，最后一个是向下的S波。QRS波群一般历时0.06s到0.10s，其波形的幅度变化比较大。T波：代表心室复极化过程的电位变化。是继S波后的一个振幅较低的波，波形呈现扁平形状，在R波为主的心电图上，T波不应太低。U波：位于T波之后，代表心室后继电位，同T波方向一致，幅度较T波低，有时波形不明显。同时可以将ECG信号分为几个典型间期和典型段，如P-R段、P-R间期、QRS间期、S-T段和Q-T间期。5.2 ECG信号的筛选条件通过5.1节对EC

29、G信号基本特征的分析，可以得出ECG信号的筛选判据，为了方便电脑自动识别，可以选择其中容易判断的几个判据作为ECG信号的判据，归纳起来可以分为以下几种：（1）每个ECG信号周期不低于0.6s，不超过1.0s；（2）每个ECG信号周期有且只有一个QRS复合波形；（3）多个ECG信号周期的偏差不能太大，可以判断其极差或者标准差。在本论文中采用这三个条件分别对待识别的ECG信号进行筛选，来获得合格的ECG信号，只要不符合其中任何一个条件，则认为该样本不属于标准的ECG信号。5.3 ECG信号筛选的算法设计要对ECG信号进行筛选，首先要识别ECG波形，获取ECG波形的各个波峰和波段对应参数，然后用ECG信号判据对待识别的ECG信号的各项参数进行匹配，过滤掉不满足要求的ECG信号。具体的算法流程如下列图所示：图12 ECG信号的筛选流程图5.3.1 ECG波形的识别根据6.1节对ECG信号的基本特征的分析，用电脑识别ECG波形的R波和S波比较简单，一般情况下，最高的就是R波（不是绝对，例如本论文的其中一个ECG信号样本），最低的就是S波。因此，可以取ECG波形的最低峰位S波，左边的向上高峰即为R波。检测ECG信号