[发明专利]运动状态下监/检测心电信号的运动干扰移除方法

说明书

技术领域

本发明涉及医学信息处理方法，更确切地说涉及一种运动状态下监/检测心电信号的运动干扰移除方法。属于医用医疗技术领域。

背景技术

在运动状态下监(检)测心电信号时，运动干扰是很难移除的一种噪声。主要因为运动干扰的频率覆盖了心电信号的频率，传统滤波器无法在不使心电信号失真的情况下移除运动干扰[N.V.Thakor and Y.S.Zhu,"APPLICATIONS OF ADAPTIVE FILTERING TO ECG ANALYSIS-NOISE CANCELLATION AND ARRHYTHMIA DETECTION,"Ieee Transactions on Biomedical Engineering,vol.38,pp.785-794,Aug 1991.]。

运动干扰的主要来源是运动造成电极与皮肤接触阻抗的改变。因此可以通过自适应滤波的方法移除心电信号中的运动干扰[I.Romero,D.Geng,and T.Berset,"Adaptive filtering in ECG denoising:A comparative study,"in Computing in Cardiology(CinC),2012,2012,pp.45-48.]；[P.S.Hamilton,M.G.Curley,R.M.Aimi,and C.Sae-Hau,"Comparison of methods for adaptive removal of motion artifact,"in Computers in Cardiology 2000,2000,pp.383-386.]；[K.Hyejung,K.Sunyoung,N.Van Helleputte,T.Berset,G.Di,I.Romero,et al.,"Motion artifact removal using cascade adaptive filtering for ambulatory ECG monitoring system,"in Biomedical Circuits and Systems Conference(BioCAS),2012IEEE,2012,pp.160-163.]。但参考文献虽试用了自适应滤波器来移除心电信号中的运动干扰，并都采用了电极与皮肤的接触阻抗或人体运动加速度，作为参考输入信号，但均存在较大的失真。

自适应滤波器有两个输入，一个是主输入信号d(k)，另一个是参考输入信号X(k)。可以将电极与皮肤的接触阻抗作为参考输入信号，将含有运动干扰的心电信号作为主输入信号。

自适应滤波器可以动态调整其滤波器系数W(k)，经过不断的迭代运算使系数达到最优解，在此情况下可以使得输出误差e(k)的均方误差最小。当滤波器系数处于最优解的情况时，称为滤波器收敛。

自适应滤波器的LMS算法的数学模型可以表示为公式1.

其中μ是LMS算法的步长因子，W^T(k)是行列式的转置，y(k)是滤波器的输出，。W(k+1)为第k+1时刻的滤波器系数，LMS为英文Least Mean Square的缩写。

现有的自适应滤波技术，在移除运动心电信号中的运动干扰的同时会造成输出信号波形很大的失真。这主要是由于自适应滤波器在算法收敛精度和收敛速度上存在矛盾。也就是收敛精度高的自适应滤波算法的收敛速度慢，收敛速度快的自适应滤波算法收敛精度低。自适应滤波器的瞬时输出失调和跟踪延时失调，分别可以由公式2和公式3决定[S.S.Haykin,Adaptive filter theory:Pearson Education India,2005.]：

自适应滤波器的整体瞬时误差由公式4决定：

公式1-4中，M_excess是稳定状态下由收敛精度产生的失调，M_lag是非稳定状态下由跟踪延时产生的失调，tr[R]是输入信号自相关矩阵x(k)的迹，tr[Q]是期望信号自相关矩阵的迹，是期望信号中测量噪声n(k)的方差。

在非稳态环境中，自适应滤波器的主输入信号和参考输入信号都具有时变的统计特性，E[X(n)]＝t(n)≠0，其中t(n)是随时间n变化的函数，X(n)是主输入信号或参考信号。因此，在非稳态环境中，自适应滤波器一直处于寻找最优解或收敛值的状态，从而增加了滤波器输出的整体瞬时失调和误差。