[发明专利]一种可集成的心电信号去噪和QRS波识别的快速算法

说明书

技术领域

本发明属于信息处理以及医学信号处理领域，特别是一种可集成的心电信号去噪和QRS波识别的快速算法。

背景技术

常规心电信号是mV级信号。在心电信号的采集过程中，由于外界和人体自身因素的干扰，采集到的心电信号中混有大量的噪声信号。噪声改变了ECG信号的自身特征，影响了ECG的分析和诊断精度。因为心电信号具有非平稳特性且污染噪声分布范围大，限制了传统线性滤波器的使用，所以在过去的几年中，小波分析被广泛地应用于心电信号的去噪中。文献A Wavelet-Based ECG Delineator Evaluation on Standard Databases、A New Wavelet Based Method for Denoising of Biological Signals、ECG De-Noising using improved thresholding based on Wavelet transforms均提出了相应的新阈值函数用于对ECG信号进行小波去噪，且新阈值函数能够得到硬阈值和软阈值折衷的去噪效果。文献《心电信号去噪中的小波方法》分析总结了小波在心电信号去噪中的特点及其应用范围。文献Detection of QRS Wave Base on Difference-slope Method提出了一种新型小波，即 “仿生小波”。利用此小波基可有效地去除ECG信号中的基线漂移。

以往的去噪算法中，差分阈值法算法简单，处理速度快，易于工程实现；模板匹配法原理简单，但对高频噪声和基线漂移很敏感；小波变换法具有良好的时频局域化特性，检测准确度高，但计算量较大，不适于实时处理；神经网络法能够实现很好的判别效果，但训练时间较长，实际上很难应用。其他算法也都存在运算复杂、耗时较长等问题，需要高性能的处理器和较大的内存，因此目前这些算法在检测仪器上很难实现。

20世纪90年代中期，Sweldens提出了小波提升方案（lifting scheme）及第二代小波的概念，并给出了经典小波中双正交小波的的提升方案（又称为提升格式）。小波提升方案与第一代小波构造方法的主要区别于，前者不依赖于傅里叶变换，它是在时域或空域中直接实现小波构造，是一种改善快速小波变换的方法。并且Daubechies和 Sweldens等已经证明，凡是用Mallat算法实现的小波变换都可以转用提升格式来实现。因此，本算法采用小波提升的方法对心电信号进行分解去噪，提高了算法运行的速度，节省运算所需内存，实现整数运算，易于硬件电路实现。

目前QRS波检测方法主要有：差分法(Derivative)、带通滤波法(Bandpass filter)、小波变换(Wavelet Transform)、形态学运算(Mathem  Morphology)、长度和能量变换(Length and Energy Transforms)等；另外还有一些新兴的研究方法，如人工神经网络(Artificial Neural Networks，ANN)、遗传算法(Genetic Algorithm， GA)、句式分析(Syntactic Methods)、隐Markov模型(Hidden Markov Models， HMM)、匹配滤波(Matched Filter)、Hilbert变换(Hilbert Transform)、心电模板(Tem-plate)、过零检测(Zero-Crossing detection)等，多种技术交叉融合(Algorithms based on the fusion of several technologies)的趋势也日趋明显。其中，差分法简单、快速，其缺点是容易受到噪声和信号突变的影响。其他方法运算复杂，占用内存空间大，不易于实现整数运算。

本发明将小波提升方法与差分法相结合，在小波提升分解、去噪、重构的相关尺度上，利用差分法和自适应阈值对心电信号进行QRS识别；避免了噪声对差分法识别精度的影响，降低了在原信号上进行检测的数据量，同时由于小波提升方法和差分法的运算速度快，占用内存少，能实现整数运算。避免了利用小波、人工神经网络等复杂算法进行识别，而在现有硬件平台上难以实现的问题。

在两部分主要算法设计的过程中遇到的问题：

1. 对信号利用小波提升进行分解和阈值去噪的过程中，要根据信号频谱特征，在不同的分解层次上设定不同的去噪阈值。阈值的选择原则和权系数直接影响去噪重构后信号的失真度。调整各层阈值的权重系数是难点。