本发明涉及心电信号特征波提取方法,属于心电信号处理技术领域。
背景技术:
心电图作为反映心脏激动的电学活动量度,一直是临床上检测和诊断心脏疾病的重要依据。传统的心电图分析通常在医院记录10秒左右的数据,由医生手动完成诊断。这种诊断方法效率低,容易掺杂主观因素,对一些异常的心电波形无法检测。
心电信号可以反映整个心脏跳动的节律,是测量和诊断异常心脏节律最好的方法。心电信号(ecg)波形由p波、qrs波群、t波及50%~75%可能出现的u波组成,如图6所示。
通常由仪器直接采集获得的心电信号幅值较低,且会不可避免地掺杂各种噪声,如工频干扰,基线漂移和肌电干扰,这些非稳态的噪声对于st段的检测造成较大的障碍。正常心电信号的频率范围在0.05~100hz之间,qrs波群的能量占了很大的比例,振幅比p波高出许多,p波和t波处于0.5~10hz之间。
在心律失常监测中,通常需要分析p波与qrs波群形态,p波与qrs波群的相互关系及pr间期是否恒定等;所以qrs波群与心电信号的其他特征对心律失常等临床诊断至关重要。
常见的qrs波群检测法有模板检测法、数字滤波法、非线性变换检测法、小波变换法与神经网络法。传统的数字滤波法是通过单纯数字滤波的方式提取心电信号的qrs分量,排除干扰;再利用非线性变换得到特征更加明显的决策信号;最后利用阈值和相关策略来实现r波检测。但是单一的数字滤波器对于噪声信号或异常波形的检测效果不佳;而小波变换等方法抗干扰能力强,但是计算量较大,不适合短时间的心电信号实时监测。
技术实现要素:
针对现有心电信号处理方法对噪声信号或异常波形的检测效果不佳,及处理方法计算量大的问题,本发明提供一种心电信号特征波提取方法。
本发明所述的一种心电信号特征波提取方法,包括:
步骤一:以1000hz的采样频率采集被测试者的原始心电信号;
步骤二:对原始心电信号进行预处理,获得待识别心电信号;
步骤三:对待识别心电信号采用高斯加权移动平均滤波法剔除野值,并进行rr间期的数据平滑处理,获得具有清晰波形特征波群的心电信号;
步骤四:对具有清晰波形特征波群的心电信号采用阈值法检测qrs波群,并将qrs波群数据点全部归零;获得qrs归零后心电信号;
步骤五:再对qrs归零后心电信号采用阈值法检测p波峰值;然后利用求导法检测p波起始点与终点,将p波数据点全部归零,获得p波归零后心电信号;
步骤六:再对p波归零后心电信号采用阈值法检测t波峰值;然后利用求导法检测t波起始点与终点;由此依次实现待识别心电信号中特征波的提取。
根据本发明所述的心电信号特征波提取方法,
所述步骤一中,采集原始心电信号10分钟;所述原始心电信号的存储格式为.mat,幅值为-0.5~0.7mv。
根据本发明所述的心电信号特征波提取方法,
所述步骤二中,待识别心电信号的获得过程包括:
采用局部加权回归散点平滑滤波方法对原始心电信号进行多项式加权拟合,并用最小二乘法进行估计;通过选取原始心电信号中预设比例的局部数据,将所述局部数据拟合成多项式回归曲线,得到滤波与数据平滑处理后的待识别心电信号。
根据本发明所述的心电信号特征波提取方法,
所述步骤二具体包括:
步骤二一:对原始心电信号进行局部一元三次多项式估计,假设原始心电信号中点(xi,yi)的权数是xi处权函数曲线的高度,取立方权函数wi(vj)为:
其中,δ[i](vj)=|xi-xj|/|xq-xj|i,j=1,2,...,n;q=[hn],h表示拟合多项式的次数;
从而得到包含噪声的原始心电信号m(xi)的估计值
进而得到误差ri=yi-m(xi),yi表示利用最小二乘法估计后的心电信号;
步骤二二:计算稳健权数δi:
其中,
步骤二三:使用稳健权数δi对原始心电信号进行再次局部多项式估计,得到新的误差ri;
步骤二四:重复步骤二二和步骤二三七次后得到稳健估计,得到滤波与数据平滑处理后的待识别心电信号。
根据本发明所述的心电信号特征波提取方法,
所述步骤三中,剔除野值的方法包括:
对待识别心电信号采用级数为三十的高斯加权移动平均滤波法剔除心电信号中存在的野值。
根据本发明所述的心电信号特征波提取方法,
所述步骤三具体包括:
将待识别心电信号x(i)输入30级高斯滤波器,设定输出序列为y(i),输出序列y(i)单次均值计算方法如下:
相应的,30级高斯滤波器的计算过程为:
yp(i)=yp(i-1)+yp-1(i+k)-yp-1(i-(k+1)),i=pk+2,pk+3,...,n-pk,
经过滤波处理的心电信号,边界效应区间长度固定,经过预设长度的迭代计算后将收敛稳定,剔除野值,得到具有清晰波形特征波群的心电信号。
根据本发明所述的心电信号特征波提取方法,
步骤四中,获得qrs归零后心电信号的过程包括:
利用阈值法,设定阈值a为0.2mv,检测r波的峰值,并设定r波峰值之间最小距离为500个数据点;对r波波峰的位置进行标记,将qrs波群的范围固定在r波波峰前80个数据点和波峰后160个数据点之间;利用最大值检测法,检测得到r波波峰波前40至10个数据点之间的q波与s波位置,并标记相应的波峰位置;根据qrs波群的特点,将窗口数据中qrs波群数据点全部归零,获得qrs归零后心电信号。
根据本发明所述的心电信号特征波提取方法,
步骤五中,获得p波归零后心电信号的过程包括:
利用阈值法,设定阈值b为0.005mv,检测p波峰值,并设定p波峰值之间的最小距离为550个数据点;以宽度不小于20个数据点的方式重新寻找qrs归零后心电信号的最大值作为p波峰值,并设定峰值宽度不小于20个数据点,并标记p波峰值位置;根据p波的特点,将窗口数据中p波波峰前后100个数据,利用求导法,找到p波的起点与终点,并标记位置,再将p波的全部数据点清零;获得p波归零后心电信号。
根据本发明所述的心电信号特征波提取方法,
步骤六中,获得t波起始点与终点的方法包括:
利用阈值法,设定阈值c为0.002mv,检测t波峰值,并设定峰值之间的最小距离为550个数据点;利用求导法,找到t波的起点与终点,并标记t波各特征点位置。
本发明的有益效果:本发明方法中滤波过程简单,计算量小;其特征提取方法准确率高,可有效的节约计算时间,同时对心电信号处理分析系统进行功能扩展也带来了便利。
本发明方法是基于多数字滤波法的多阈值心电信号特征实时检测方法。
附图说明
图1是本发明所述心电信号特征波提取方法的示例性流程图;
图2是lowess滤波后的心电信号波形图;
图3是gaussian滤波后的心电信号波形图;
图4是原始心电信号波形;
图5是对待识别心电信号进行特征提取后的波形图;图中ecgsignal表示心电信号,q-wave表示q波,r-wave表示r波,s-wave表示s波,q-pre表示q波波前,s-post表示s波波后,p-wave表示p波,t-wave表示t波;
图6是正常心电信号波形图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
具体实施方式一、结合图1所示,本发明提供了一种心电信号特征波提取方法,包括:
步骤一:以1000hz的采样频率采集被测试者的原始心电信号;
步骤二:对原始心电信号进行预处理,获得待识别心电信号;
步骤三:对待识别心电信号采用高斯加权移动平均滤波法剔除野值,并进行rr间期的数据平滑处理,获得具有清晰波形特征波群的心电信号;
步骤四:对具有清晰波形特征波群的心电信号采用阈值法检测qrs波群,并将qrs波群数据点全部归零;获得qrs归零后心电信号;
步骤五:再对qrs归零后心电信号采用阈值法检测p波峰值;然后利用求导法检测p波起始点与终点,将p波数据点全部归零,获得p波归零后心电信号;
步骤六:再对p波归零后心电信号采用阈值法检测t波峰值;然后利用求导法检测t波起始点与终点;由此依次实现待识别心电信号中特征波的提取。
本实施方式中,a、可以基于losses方法对心电信号进行滤波清除杂值;b、依据心电信号计算阈值;c、依据所述阈值检测所述心电信号中r波的位置;d、基于高斯滤波方法对心电信号进行滤波修正心电信号波形;e、依据心电信号t波计算阈值;f、依据心电信号计算阈值;g、依据阈值检测所述心电信号的p波。
所述心电信号的特征值包括:p波波峰、起始点与终点;pr段;qrs波群,包括r波、q波与s波波峰,及q波的起始点与s波的终点;st段;t波波峰、起始点与终点;qt间期和rr间期。
提取上述特征值后,可以利用阈值法确定p波,r波与t波波峰的位置;再利用求导法,确定p波、r波、q波、s波与t波的起始点与终点;最后,根据心电信号的特点,确定pr段,st段,qt间期与rr间期。
进一步,所述步骤一中,采集原始心电信号10分钟;所述原始心电信号的存储格式为.mat,幅值为-0.5~0.7mv。
在数据处理过程中,可用matlab软件将心电信号原始数据读取到工作空间中。
在具体实施中,受测试者可以选择日常生活中压力较大的程序员和研究生、博士生群体,其中30名男性,30名女性。实验持续10分钟,采用葡萄牙pluxwirelessbiosignals公司的bitalino设备同时采集参与测试者的心电信号。采集数据时,保证受测试者所处的环境相对安静,减小噪声干扰,且不宜有较大的肢体动作。测量方式:心电信号(ecg),采用3个贴片式电极进行采集。
实验前先让参与试者先静坐几分钟,放松平静下来。
再进一步,所述步骤二中,待识别心电信号的获得过程包括:
采用局部加权回归散点平滑(lowess)滤波方法对原始心电信号进行多项式加权拟合,并用最小二乘法进行估计;通过选取原始心电信号中预设比例的局部数据,将所述局部数据拟合成多项式回归曲线,得到滤波与数据平滑处理后的待识别心电信号。
利用数字陷波器,可以去除心电信号原始数据中的50hz工频干扰;利用lowess滤波方法,可以去除心电信号原始数据中的基线漂移。
再进一步,所述步骤二具体包括:
步骤二一:对原始心电信号进行局部一元三次多项式估计,假设原始心电信号中点(xi,yi)的权数是xi处权函数曲线的高度,取立方权函数wi(vj)为:
其中,δ[i](vj)=|xi-xj|/|xq-xj|i,j=1,2,...,n;q=[hn],h表示拟合多项式的次数;
从而得到包含噪声的原始心电信号m(xi)的估计值
进而得到误差ri=yi-m(xi),yi表示利用最小二乘法估计后的心电信号;
步骤二二:计算稳健权数δi:
其中,
步骤二三:使用稳健权数δi对原始心电信号进行再次局部多项式估计,得到新的误差ri;
步骤二四:重复步骤二二和步骤二三七次后得到稳健估计,得到滤波与数据平滑处理后的待识别心电信号。
利用局部加权回归散点平滑(lowess)算法主要是根据局部观测数据对欲拟合点进行多项式加权拟合,并用最小二乘法进行估计,通过取一定比例的局部数据,将这部分子集拟合成多项式回归曲线。不仅有利于展现出数据局部的规律和趋势,同时也方便观察整体曲线的变化趋势。
再进一步,所述步骤三中,剔除野值的方法包括:
对待识别心电信号采用级数为三十的高斯加权移动平均滤波法剔除心电信号中存在的野值,并进行心电信号rr间期的数据平滑处理,使特征波群的波形更为清晰。
采用高斯加权移动平均滤波法剔除心电信号中存在的野值,并进行数据平滑处理,使rr间期的数据点方便接下来的特征点检测。
再进一步,所述步骤三具体包括:
将待识别心电信号x(i)输入30级高斯滤波器,设定输出序列为y(i),输出序列y(i)单次均值计算方法如下:
相应的,30级高斯滤波器的计算过程为:
yp(i)=yp(i-1)+yp-1(i+k)-yp-1(i-(k+1)),i=pk+2,pk+3,...,n-pk,
经过滤波处理的心电信号,边界效应区间长度固定,经过预设长度的迭代计算后将收敛稳定,剔除野值,得到具有清晰波形特征波群的心电信号。
以上为30级高斯加权移动平均滤波的计算过程。均值函数采用权函数下的高斯移动平均滤波法,结构简单、计算量少。经过滤波处理的心电信号,边界效应区间长度固定,数据经过一定长度的迭代计算后将收敛稳定,起到心电信号平滑作用,减小了心电信号特征提取的难度。
再进一步,步骤四中,获得qrs归零后心电信号的过程包括:
利用阈值法,设定阈值a为0.2mv,检测r波的峰值,并设定r波峰值之间最小距离为500个数据点;对r波波峰的位置进行标记,将qrs波群的范围固定在r波波峰前80个数据点和波峰后160个数据点之间;利用最大值检测法,检测得到r波波峰波前40至10个数据点之间的q波与s波位置,并标记相应的波峰位置;根据qrs波群的特点,将窗口数据中qrs波群数据点全部归零,获得qrs归零后心电信号。
本实施方式中,首先设定峰值之间最小距离,找出r波的位置后,对波峰的位置进行标记;并根据心电信号特点,将qrs波群的范围固定在波峰前后之间,利用最大值检测法,检测q波与s波的位置,并标记波峰位置。
再进一步,步骤五中,获得p波归零后心电信号的过程包括:
利用阈值法,设定阈值b为0.005mv,检测p波峰值,并设定p波峰值之间的最小距离为550个数据点;以宽度不小于20个数据点的方式重新寻找qrs归零后心电信号的最大值作为p波峰值,并设定峰值宽度不小于20个数据点,并标记p波峰值位置;根据p波的特点,将窗口数据中p波波峰前后100个数据,利用求导法,找到p波的起点与终点,并标记位置,再将p波的全部数据点清零;获得p波归零后心电信号。
本实施方式中,首先设定峰值之间的最小距离与最小宽度,利用最大值检测法,重新寻找数据中的最大值,并标记p波峰值位置。
再进一步,步骤六中,获得t波起始点与终点的方法包括:
利用阈值法,设定阈值c为0.002mv,检测t波峰值,并设定峰值之间的最小距离为550个数据点;利用求导法,找到t波的起点与终点,并标记t波各特征点位置。
本实施方式中,首先设定峰值之间的最小距离,得到t波的波峰,利用求导法,找到t波的起点与终点,并标记t波起始点的位置。
根据t波、p波与qrs波群的起始点标记,可以分出心电信号的pr段,st段,qt间期与rr间期。
经过上述处理过程后,已检测出心电信号p波、qrs波群、pr间期、t波、qt间期、st间期;在得到心电信号的上述几种特征并进行识别后,再进行生理参数的分析和提取,最重要的在得到心电信号的rr间期后,才能对心电信号进行hrv特征分析。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。