心电信号检测处理技术研究的所有专业(编辑修改稿)

心电信号检测处理技术研究的所有专业(编辑修改稿)内容摘要：

2) 对带噪信号进行小波分解 3）在不同频带内分别对噪声和有效信号进行处理。 将噪声所处的频带置零，提取有用信号所在的频带； 4)用处理后的频带进行小波重构， 重构信号就是去噪信号。 2 基于模极大值去噪法 这是 Mallat等人提出的一种非线性的消噪方法，根据信号与噪声在多尺度空间中模极大值传播特性不同而进行的滤波。 去噪原理为：通常信号的李氏指数大于 0，噪声的李氏指数小于 0。 随着分解尺度的增大，信号和噪声所对应的小波变换系数分别是增大和减小。 这样保留幅度随尺度增加而增加的点，去除幅度随尺度的增加而减小的点，利用该方法进行去噪之后，小波变换系数仅剩下模极大值点处的值，而其余部分都被置为零。 为了防止有限个模极大值点直接重构信号产生很大的误差，我们采用交替投影法（简记为 AP)算法进行重建，从而达到去噪的目的。 模极大值法主要适于信号中混有白噪声且含有较多奇异点的情况，该方法去噪后能很好的保留反映信号特征的奇异点信息，去噪后的信号没有多余荡，能得到较高的信噪比。 这种方法理论上讲应该去噪效果较好，但是其计算量大，实施起来难度较大。 因此，一般情况下，选用阈值去噪就完全可以满足工程要求 [24]。 具体去噪步骤如下 : 1）根据信号的特性选择小波基、分解层数，并对带噪信号进行小波分解； 2）在最大分解尺度 j 上搜索极值点，并设定门限去除小的模极值 点； 3) 在 j 1 尺度上寻找尺度为 j 上的小波变换模极大值点的传播点； 4）由 j 尺度的极值点设定一个领域，通常为极值点加 /减 10 个数据点，确定 j 1尺度上模极大值点的范围； 5) 令 1jj ,重复操作，直到 j =2； 6）在 j =2存在极值点的位置查询 j =1时的相应极值点，在其余位置将极值点置为 0； 7) 用交替投影法（简记为 AP)算法进行重建 [25]。 3 平移不变量法 由于正交小波基的平移具有依赖性，利用离散正交小波变换进行阈值去噪时，有可能表现出伪吉布斯 (PseudoGibbs)现象，尽管这种现象只是在奇异点的邻域内产生，震荡幅度相对较小，但我们有必要对它做经一步处理。 我们采用 n次循环平移，对平移后的信号用阈值进行去噪处理，将去噪后的新信号作相反的循环平移。 平移不变 量法适用于信号中含有若干不连续点的情况，去噪效果较好，但是计算速度非常慢。 具体去噪步骤如下 : 1)含噪信号 y(n)(n = 0,1 ., N 一 1)给定一个平移范围 H: ]},1[,0{ NmmhhHH m  2)根据平移量 h做一次平移，得到一个新的信号序列 F(n)。 3)按照准则确定的最优分解层数并做离散小波变换； 4）设计阈值并用阈值函数处理各尺度上的小波系数，得到估计小波系数； 5)用估计小波系数做离散小波反变换，得到重构信号； 6)对重构信号 y39。 (n)进行逆平移，得到与给定信号同相位的去噪后信号； 7)在平移范围 H内改变平移量 h，重复以上过程得到 m个去噪结果； 8)对所获结果求平均值，得到去噪后的信号 Y(n)。 4 小波系数相关去噪法 当有效信号非常微弱，经小波分析处理后甚至仍然相当微弱，在这种情况下，我们利用信号和噪声在时间上的相关特性，进行信号的相关检测。 将输入信号延迟 r后再与输入信号通过自相关运算，利用信号和噪声、噪声和噪声的不相关特性达到提高信噪比 的目的。 步骤如下： 1）带噪信号进行小波变换； 2）对小波系数进行多次自相 关运算； 3）利用信号和噪声小波系数的相关特性提取有效信号； 4）对信号进行重构 此外，小波包分析理论提供一种更加精细的分析方法，将频带进行了多层次划分，对高频部分进一步的分解；小波提升算法是不依赖傅立叶变换的小波理论，放弃了二进平移和伸缩的条件，可根据需要来设计小波基，同时很大程度上减少了运算；多小波理论是一种新的小波构造理论，利用多小波去噪，每一层的阈值可以根据实际情况设置多个 [25]。 基于 小波理论常用方法 仿真实验 前面已介绍，心电信号的主要频率成分在 100Hz 以下，且主要集中在 0～ 50Hz左右，其中基线漂移干扰的频率通常低于 1Hz，工频干扰由 50Hz 及其谐波组成，而肌电干扰范围通常在 5～ 2kHz 之间。 我们选取 MIT/BIH 标准心电数据库中的标准心电数据分别针对上述方法进行实验分析。 设原信号记为 )(nf ,含噪信号记为 )(ny ,重构后的去噪信号记为 )(ˆnf ，运用小波理论对心电信号进行处理。 1分解重构法 我们将的 101号数据中某一段（无噪）人为加入肌电干扰、工频干扰以及基线干扰，其 中基线漂移噪声用 0． 2 Hz 的正弦信号模拟 ： ) ()(1 sfnnx  ， 工频干扰用 50 Hz正弦信号模拟： )1 0 0sin ()(2 sfnnx  ， 肌电干扰用高斯白噪声模拟 : ),1(3 pNwgnx 。 对于采样频率为 360Hz的心电信号在各个尺度下的逼近信号和细节信号频率大体范围如表 2 所示，本方法暂不考虑细节部分的频率折叠。 从中可以看出基线漂移，能量的大小主要反映在第 8尺度的近似信号，肌电干扰信号，能量大小主要反映在尺度 1的细节信号上，而工频干扰主要集中在第 3 尺度细节信号上。 为了比较彻底地消除干扰噪声，本方法采用强制消噪处理，即将其强制设置为零。 最后用小波重建滤波后的心电信号。 由上分析可得 87654)(ˆ CDCDCDCDCDnf  表 心电信号各尺度频率分布 分解尺度 近似信号带宽 CA 细节信号带宽 CD 1 090 90180 2 045 4590 3 4 5 6 7 8 则去噪过程如图 所示 500 1000 1500 2020 5 0 00500原始信号幅度A/uv500 1000 1500 2020 5 0 00500带噪信号500 1000 1500 2020 5 0 00500去噪后信号点数 n/ 个幅度A/uv500 1000 1500 2020 5 0 00500被剔除噪声信号点数 n/ 个 图 基于分解重构法的心电信号分析 本文继续使用该方法再对六个数据进行实验，结果如表 3所示。 通过仿真结果，我们知道利用小波分解与重构法去噪时，将噪声所处的频带置零，这对于噪声的频率范围已知，并且有用信号和噪声的频带相互分离时非常有效。 否则去噪效果就不理想，因为会损失一部分有用信号的能量。 由于基线漂移噪声在小波分解中会直接显现于某个较大的 尺度，且包含的有用信号的信息较少，我们将这一尺度下的逼近信号分量直接置零， 就可有效去除基线漂移。 对于工频干扰、肌电干扰，利用此方法不可能彻底地从心电信号中分离出来，会造成有用信号能量损失 [26]。 表 添加三种噪声干扰的心电信号仿真实验结果 数据文件 去噪前 SNR 去噪后 SNR 100 105 201 203 215 221 222 2 模极大值去噪法： 心电信号的肌电干扰噪声集中在 5一 2KHz之间，所以相对于 ECG信号来说，它是一种高频干扰，通常用白噪声来模拟该干扰信号。 这里我们直接使用 MTI一 BIH数据库中的 104号记录，截取其中有明显的肌电于扰的 5’到 5’ 10” 的数据段，专门验证去除工频干扰的效果，仿真示意如图 、 、 、。 500 1000 1500 2020 2500 30002 1 . 51 0 . 500 . 511 . 52含有肌电干扰的 104 号心电图点数 n / 个幅值 A/mV 图 104号心电信号 500 1000 1500 2020 2500 3000 0 . 100 . 1j=1500 1000 1500 2020 2500 3000 0 . 500 . 5j=2500 1000 1500 2020 2500 3000 0 . 500 . 51j=3500 1000 1500 2020 2500 3000101j=4500 1000 1500 2020 2500 3000202j=5 图 5个尺度的模极值对 500 1000 1500 2020 2500 3000202j=5500 1000 1500 2020 2500 3000202j=4500 1000 1500 2020 2500 3000 0 . 500 . 5j=3500 1000 1500 2020 2500 3000 0 . 500 . 5j=2500 1000 1500 2020 2500 3000 0 . 100 . 1j=1模极值传播点 图 j=5到 j=1模极值传播点 500 1000 1500 2020 2500 30002 1 . 51 0 . 500 . 511 . 52去除肌电干扰后的 104 号心电图点数 n / 个幅值 A/mV 图 去噪后的心电信号 此外我们人工加入上述三种噪声，验证模极值去噪方法的优劣，结果如表 4所示。 我们知道小波模极大值去噪是根据信号与噪声在小波变换下随着尺度的变化呈现出的不同变化而提出来，它的缺点就是，计算量很大，程序复杂，计算过程有可能不稳定，有时去噪效果也并不十分满意，比如相对于 100号数据 222号去噪效果不是很好。 表 添加干扰后的仿真实验结果 数据文件 去噪前 SNR 去噪后 SNR 100 105 201 203 215 221 222 3 平移不变法去噪 这里我们直接使用 MTI一 BIH数据库中的 100号记录，并添加三种主要噪声。 运用四种规则在基于硬、软阈值函数下分别予以处理，处理过程如图 、。 对于信噪比为 100号心电信号结果分析如表。 从图中可以看出平移不变小波去噪法的处理结果在整体光滑性上明显优 于其他去噪结果，硬阈值法的不连续性造成的局部震荡现象明显改善，但我们也可以看出 QRS波的相应的幅值减小，造成了能量损失。 500 1000 150021012基于软阈值 h e u r s u r e 去噪后心电图500 1000 150021012基于软阈值 r i g r s u r e 去噪后心电图500 1000 150021012基于软阈值 s q t w o l o g 去噪后心电图500 1000 150021012基于软阈值 m i n i m a x i去噪后心电图 图 基于平移不变法的软阈值去噪 500 1000 150021012基于硬阈值 h e u r s u r e 去噪后心电图500 1000 150021012基于硬阈值 r i g r s u r e 去噪后心电图500 1000 150021012基于硬阈值 s q t w o l o g 去噪后心电图500 1000 150021012基于硬阈值 m i n i m a x i去噪后心电图 图 基于平移不变法的硬阈值去噪 表 101号 基于平移不变法 的仿真实验结果 规则 硬阈值函数 软阈值函数 heursure rigrsure sqtwolog minimaxi 5 基于小波分析心电信号波形检测 信号检测原理 信号中所包含的信息主要体现在突变点或突变区域中，信号的突变程度常用奇异性（规则性或平滑性）来描述，说明信号在某点或者某区域的可微情况。 它 往往包含了信号的重要特征信息。 数学上用 Lipshchitz 指数 (简称李氏指数 )描述函数的奇异性大小。 经过分析得知信号的李氏指数又与小波变换的模极大值有关。 下面来具体分析基于小波分析的波形检测原理 [27]。 小波变换及信号的奇异性 小波变换 内积 定义形式为： dta bttfattfbaWT baf    )(1)(),(),( , （ 式 ） 而卷积形式： dta bttfatftfWT aa     )(1)(。