一种心电信号预处理的方法
【专利摘要】本发明属于生物信号与智能处理领域，尤其涉及一种心电信号预处理的方法，具体步骤如下：将数据分类存储；用数字滤波滤除工频干扰，用滑动平均滤波法滤除基线漂移，用低通滤波器滤除高频噪声；用小波阈值滤波法除肌电干扰，得到滤波后数据，步用小波阈值滤波法除肌电干扰具体包括：先选取小波基函数，后选择小波分解尺度，再选取阈值函数，其中选取适合于对具有较好连续性的心电信号去噪，小波函数Coif4既有正交性又具有双正交性，也表现出良好的频域局部性。本发明的有益效果：实现简单，计算量少，兼顾计算速度和心电信号的特点，选择用小波阈值去噪法，结合自适应阈值对心电信号进行噪声分离。
【专利说明】
一种心电信号预处理的方法
技术领域
[0001] 本发明属于生物信号与智能处理，尤其涉及一种心电信号预处理的方法。
【背景技术】
[0002] 人体心电信号是一种弱电信号，携带人体机能信息的生理信号总是通过复杂的模 式混合在一起，会受到多种噪声的干扰，信噪比低。而实际生活中，人们需要获取精准的生 理信息作为中间结果，分析产生生理信号的信号源的功能状态。其中，E C G (Electrocardiogram，心电图）信号的R波检测方法属于心电信号处理，ECG信号是心肌的电 活动在体表的表现，它几乎是一个周期信号，R波是ECG信号的主要特征，因此，心电信号预 处理先要去除心电信号采集过程中的产生的噪声，获取有效的心电信号才可以检测并定位 心电信号的R波波峰位置。现有的检测ECG信号R波的方法主要是基于Pan和Tompkins在1985 年提出的滤波加最大值提取方法(简称PT方法），其主要步骤包括带通滤波、差分、移动平均 和最值查找。这种处理方法虽然步骤简单，但是检测算法复杂，且检测精度对信号的依赖性 较强。
【发明内容】
[0003] 为要解决的上述问题，本发明提供一种心电信号预处理的方法。
[0004] 本发明的技术方案:一种心电信号预处理的方法，其特征在于具体步骤如下：
[0005] 步骤1:将数据分类存储；
[0006] 步骤2 :用数字滤波滤除工频干扰，用滑动平均滤波法滤除基线漂移，用低通滤波 器
[0007] 滤除高频噪声；
[0008] 步骤3:用小波阈值滤波法除肌电干扰，得到滤波后数据。
[0009] 步骤3中用小波阈值滤波法除肌电干扰具体包括：
[0010]步骤A:选取小波基函数
[0011]不同的小波基函数各有特点，能够反映信号的不同特性，对于同一个信号去噪，采 用不同的小波基函数，会得到不同的小波系数，综合考虑多种小波函数，选取适合于对具有 较好连续性的心电信号去噪；
[0012]步骤B:选择小波分解尺度
[0013]设信号y(t)经采样频率为f采用后的离散序列为y(n)(n = 0，l，-_N-l)，由采样定 理可知y(n)包含频率成分的范围在[0，f/2]，经过一次小波分解后得到1尺度下的低频分量 和高频分量分别为[0，f/4]和[f/4，f]，以此类推得到j尺度下的低频分量和高频分量分别 为[0，f/2j+l]和[f/2j+l，f]，分解的尺度j的定义公式如下
[0015]式中，fnoise = inf min{fnoisel，fnoise2,…fnoisek}表不原始信号所含所有噪 声中频率最低的噪声的下限频率，其中fnoisel，fnoise2, ???fnoisek表示k种不同类型噪声 的频率，N表示信号的长度，可见小波分解的尺度j由采样频率，噪声频率以及信号长度决 定;原始的心电信号中基线漂移的频率最低，一般低于1Hz，所以需要让分解信号后某一尺 度的分信号频率能够达到该频带;心电信号的采样频率是250Hz，心电信号经过小波分解后 不同的噪声能量分布到了不同的频率区间，在此不同的区间上设置合适的阈值函数可将噪 声滤除或抑制；
[0016] 步骤C:选取阈值函数
[0017] 在心电信号的小波去噪中采用一种折衷的阈值函数
[0019] 式中，α的取值介于0和1之间，取0.5,不同的分层中利用不同尺度的小波系数形成 不同的处理方式;考虑到心电信号的非平稳性，阈值λ采用自适应阈值。
[0020] 步骤Α中综合考虑多种小波函数，选取适合于对具有较好连续性的心电信号去噪 具体为:选取小波函数Coif4,小波函数Coif4既有正交性又具有双正交性，也表现出良好的 频域局部性。
[0021 ]步骤A中阈值λ采用自适应阈值，阈值λ公式为：
[0023]式中，Ν为采用点数，j为小波分解尺度，〇为噪声的强度估计，〇的计算公式如下：
[0025]式中，median(/d/)为取小波系数在各尺度下绝对值的中值。
[0026]发明的有益效果:实现简单，计算量少，兼顾计算速度和心电信号的特点，选择用 小波阈值去噪法，结合自适应阈值对心电信号进行噪声分离。
【附图说明】
[0027]图1为心电信号的Coif4小波分解图。
【具体实施方式】
[0028] 下面结合附图对本发明的一种【具体实施方式】做出说明。
[0029] -种心电信号预处理的方法，具体步骤如下：
[0030] 步骤1:将数据分类存储；
[0031 ]步骤2:用数字滤波滤除工频干扰，用滑动平均滤波法滤除基线漂移，用低通滤波 器滤除高频噪声；
[0032] 步骤3:用小波阈值滤波法除肌电干扰，得到滤波后数据。
[0033] 步骤3中用小波阈值滤波法除肌电干扰具体包括：
[0034]步骤A:选取小波基函数
[0035]不同的小波基函数各有特点，能够反映信号的不同特性，对于同一个信号去噪，采 用不同的小波基函数，会得到不同的小波系数，综合考虑多种小波函数，选取适合于对具有 较好连续性的心电信号去噪；
[0036] 步骤B:选择小波分解尺度
[0037] 设信号y(t)经采样频率为f采用后的离散序列为y(n)(n = 0，l，-_N-l)，由采样定 理可知y(n)包含频率成分的范围在[0，f/2]，经过一次小波分解后得到1尺度下的低频分量 和高频分量分别为[0，f/4]和[f/4，f]，以此类推得到j尺度下的低频分量和高频分量分别 为[0，f/2.i+l]和[f/2.i+l，f]，分解的尺度.i的定义公式如下
[0039] 式中，fnoise = inf min{fnoisel，fnoise2,…fnoisek}表不原始信号所含所有噪 声中频率最低的噪声的下限频率，其中fnoisel ,fnoise2, ???fnoisek表示k种不同类型噪声 的频率，N表示信号的长度，可见小波分解的尺度j由采样频率，噪声频率以及信号长度决 定;原始的心电信号中基线漂移的频率最低，一般低于1Hz，所以需要让分解信号后某一尺 度的分信号频率能够达到该频带;心电信号的采样频率是250Hz，心电信号经过小波分解后 不同的噪声能量分布到了不同的频率区间，在此不同的区间上设置合适的阈值函数可将噪 声滤除或抑制；
[0040] 假设心电信号的采样频率是250Hz，根据小波去噪原理，通过7层小波分解可以满 足心电信号去噪的基本要求，图1为心电信号的Coif4小波分解图。
[0041] 表1分解后每一层的频率及噪声分布
[0042]
[0043] 表1为分解后每一层的频率及噪声分布，将原始心电信号经过7层小波分解后，得 到各个尺度下低频分量和高频分量的信号，由于心电信号中引起基线漂移的信号频率不到 1 Hz，与A7的频率范围接近，则可认为A7中包含了基线漂移的信息，同理工频干扰的频率为 50Hz，全部分布在D2,肌电干扰频率范围是5Hz-2000Hz，它完全分布在D1到D5的5个高频分 量上，同时其信号主要集中在D1和D2的频率范围。可见心电信号经过小波分解后不同的噪 声能量分布到了不同的频率区间，在此不同的区间上设置合适的阈值函数可将噪声滤除或 抑制。
[0044] 步骤C:选取阈值函数
[0045]在心电信号的小波去噪中采用一种折衷的阈值函数
[0047] 式中，α的取值介于0和1之间，取0.5,不同的分层中利用不同尺度的小波系数形成 不同的处理方式;考虑到心电信号的非平稳性，阈值λ采用自适应阈值。
[0048] 步骤Α中综合考虑多种小波函数，选取适合于对具有较好连续性的心电信号去噪 具体为:选取小波函数Coif4,小波函数Coif4既有正交性又具有双正交性，也表现出良好的 频域局部性。
[0049] 小波基函数选择主要有5个原则：正则性，决定信号重构后的平滑效果，进而影响 频域的分辨率;对称性，关系小波滤波是否具有相位移动;紧支性和衰减性，保证优良的时 频局域特性，利于算法实现；消失矩，与有效检测奇异点有关;正交性:有利于数据精确重 构 [35]。同时选取小波基函数需要结合待处理信号的特点进行考虑。心电信号频带较宽，干 扰信号和正常信号有可能发生重叠，去噪时需要尽可能将二者分离。因此选择的小波基函 数需要具有正则性，保证频域分辨率；同时心电信号去噪实时性和相位方面要求不高，不需 要考虑支撑长度和对称性。综合考虑多种小波函数，Coif4既有正交性又具有双正交性，也 表现出良好的频域局部性，适合于对具有较好连续性的心电信号去噪。
[0050] 步骤A中阈值λ采用自适应阈值，阈值λ公式为：
[0052]式中，Ν为采用点数，j为小波分解尺度，〇为噪声的强度估计，〇的计算公式如下：
[0054] 式中，median(/d/)为取小波系数在各尺度下绝对值的中值。
[0055] 与现有心电信号预处理方法相比，实现简单，计算量少，兼顾计算速度和心电信号 的特点，选择用小波阈值去噪法，结合自适应阈值对心电信号进行噪声分离。
[0056] 以上对本发明的一个实例进行了详细说明，但所述内容仅为本发明的较佳实施 例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进 等，均应仍归属于本发明的专利涵盖范围之内。
【主权项】
1. 一种屯、电信号预处理的方法，其特征在于具体步骤如下： 步骤1:将数据分类存储； 步骤2:用数字滤波滤除工频干扰，用滑动平均滤波法滤除基线漂移，用低通滤波器滤 除高频噪声； 步骤3:用小波阔值滤波法除肌电干扰，得到滤波后数据。2. 根据权利要求1所述的一种屯、电信号预处理的方法，其特征在于步骤3中用小波阔值 滤波法除肌电干扰具体包括： 步骤A:选取小波基函数 不同的小波基函数各有特点，能够反映信号的不同特性，对于同一个信号去噪，采用不 同的小波基函数，会得到不同的小波系数，综合考虑多种小波函数，选取适合于对具有较好 连续性的屯、电信号去噪； 步骤B:选择小波分解尺度 设信号y(t)经采样频率为f采用后的离散序列为y(n) (n = 0，1，·，·Ν-1)，由采样定理可 知y(n)包含频率成分的范围在[0，f/2]，经过一次小波分解后得到1尺度下的低频分量和高 频分量分别为[〇，f/4]和[f/4，f]，W此类推得到j尺度下的低频分量和高频分量分别为[0， f/2j+l]和[f/2j+l，f]，分解的尺度j的定义公式如下式中，fnoise = inf min{fnoisel ,fnoise2,…fnoisek}表示原始信号所含所有噪声中 频率最低的噪声的下限频率，其中fnoisel ,fnoise2, ???fnoisek表示k种不同类型噪声的频 率，N表示信号的长度，可见小波分解的尺度j由采样频率，噪声频率W及信号长度决定;原 始的屯、电信号中基线漂移的频率最低，低于IHz，所W需要让分解信号后某一尺度的分信号 频率能够达到该频带;屯、电信号的采样频率是250Hz，屯、电信号经过小波分解后不同的噪声 能量分布到了不同的频率区间，在此不同的区间上设置合适的阔值函数可将噪声滤除或抑 制； 步骤C:选取阔值函数 在屯、电信号的小波去噪中采用一种折衷的阔值函数式中，α的取值介于0和1之间，取0.5,不同的分层中利用不同尺度的小波系数形成不同 的处理方式;考虑到屯、电信号的非平稳性，阔值λ采用自适应阔值。3. 根据权利要求2所述的一种屯、电信号预处理的方法，其特征在于步骤A中综合考虑多 种小波函数，选取适合于对具有较好连续性的屯、电信号去噪具体为:选取小波函数Coif4， 小波函数Coif4既有正交性又具有双正交性，也表现出良好的频域局部性。4. 根据权利要求2所述的一种屯、电信号预处理的方法，其特征在于步骤A中阔值λ采用 自适应阔值，阔值λ公式为：式中，N为采用点数，j为小波分解尺度，σ为噪声的强度估计，σ的计算公式如下：式中，median(/d/)为取小波系数在各尺度下绝对值的中值。
【文档编号】G06K9/00GK106096579SQ201610483070
【公开日】2016年11月9日
【申请日】2016年6月22日
【发明人】郑刚, 戴敏, 陈彦会
【申请人】天津理工大学