心电信号肌电干扰的去除与特征点检测算法的研究

发布时间：2020-01-19 09:50

【摘要】：心脏疾病无时不危害着人类的健康,甚至生命,因此对心电(ECG)信号自动分析系统的研究具有很高的临床价值,同时也是国内外学者的研究热点。实际检测到的ECG信号很容易被各种类型的干扰信号影响,进一步影响对信号的分析处理。本文主要对肌电干扰的去除与特征点检测这两个方面分别展开研究。ECG信号是一种比较微弱的信号,频率也较低,在采集的过程中往往被各种噪声干扰,而对ECG信号的消噪处理是检测信号特征点的前提条件,取得的消噪效果直接影响着下一步对信号的检测结果。另外ECG信号中的特征点含有十分重要的生理信息,有着不可估量的学术价值和实际意义。首先,文章对ECG信号的几种常见干扰的来源及类型进行了总结与分析,主要有基线漂移、肌电干扰和工频干扰这三类。简单介绍了小波变换理论,利用小波阈值消噪法来消除基线漂移与工频干扰。在对干扰类型的分析中得出肌电干扰的去除一直是研究的难点,近年来对ECG信号肌电干扰的研究较少,本文针对频率分布较广的肌电干扰做了深入的研究,提出一种结合经验模态分解(EMD)算法与主成分分析(PCA)技术的去噪法来去除ECG信号的肌电干扰,通过对MIT-BIH心率失常数据库中记录的数据进行实验,同时也定性分析了所得的信噪比(SNR)和均方误差(MSE)。结果表明,所提方法整体上优于小波阈值消噪法与EMD消噪算法,解决了导致信号产生震荡和丢失有用信息的难题。通过算法去噪处理后获得较干净的ECG信号。其次,对预处理后的信号进行特征点检测,目前以小波变换最为流行,其核心思想是在某尺度上找寻小波变换模极值对,它们之间的过零点所在的地方就是ECG信号特征点的对应点。由ECG信号的常识可知,QRS特征波的R波在一定区域内幅值、斜率最大以及宽度最广。本文提出一种区域阈值配对算法来检测波形特征点,对ECG信号用二次样条小波基函数和多孔(ATrous)算法进行小波变换求取模极值,用正极大阈值来确定搜索区域,再以这个正极大阈值为起点,这个确定区域为搜索范围,向右侧搜索负极大阈值点,把这两个阈值配对,他们两者间的过零点就是R峰的对应点。以R峰为基准来检测Q波、S波以及QRS特征波的开始点与结束点,此算法能在保持采样信号完整性的基础上精确定位QRS特征波。实验证明,该算法检测出的QRS波的准确率较高,一定程度上降低了计算复杂度,实时性较好。由于幅度小且频率低的P、T波对心血管疾病的诊断分析同样起着至关重要的作用,本文在对信号的QRS特征波准确定位后,削平QRS特征波,在二次样条小波变换的过程中,采用区域阈值配对法来检测P波,然后结合圆弧逼近法,精确定位T波的位置,经过仿真,实验的结果表明:本文所提算法降低了采样信号的误检率,抬高了检测的灵敏度和准确率。最后,概括文章研究的主要内容,包括结合EMD算法与PCA技术来去除肌电干扰和区域阈值法来检测ECG信号特征点,其中优化主成分分量的选取阈值和构造新的小波基函数是下一步的工作重点。
【图文】：

心电图,电信号,体液,信号放大

不断发生改变的生物信号转化成的电信号经心脏旁边的传导电信号的组织和相应体液传到体表，放置在体表适当部位的电极所测得的电位变化经信号放大设备放大后即为心电图，是心脏内部兴奋活动的反映，如图2.1所示。图2.1 一个周期的ECG信号

曲线,尺度,幅度,频率

反对称滤波器，其采样频率为360赫兹，那么小波变换后的这个滤波器的幅度与频率的关系曲线如下图。图4.2 幅度与频率的关系曲线（j表示分解尺度）根据图4.2可知，分解尺度越大，那么相应尺度上的小波系数所表示的信息频率范围越低。高频信息分布小波系数上的尺度一和尺度二上，主要指高频噪声；而低频信息分布在小波系数的尺度五上，比如基线漂移等低频噪声；对于QRS特征波来说，相对聚集的频率段为较低频率（15-25Hz），分布在小波系数的尺度三或者尺度四上，当T波比较高大时，会影响到尺度四，，所以本章选用尺度三，不仅计算量得到减少，还可以提高运行速度。4.2.4 文章所提算法对 R 波的检测首先对ECG信号用二次样条小波基函数和ATrous算法进行小波变换求取模极值，用模极大值来确定搜索区域
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R540.4;TN911.23

【相似文献】